資料倉儲，英文名為data warehouse，簡寫為dw或dwh。資料倉儲，是乙個面向主題的、整合的、隨時間變化的、但資訊本身相對穩定的資料集合，用於對管理決策過程的支援1。它是單個資料儲存，出於分析性報告和決策支援目的而建立。 為需要業務智慧型的企業，提供指導業務流程改進、監視時間、成本、質量以及控制2。
隨時間變化：數倉每天都會從不同資料渠道獲取大量資料，關鍵資料會隱式或顯式的基於時間變化。
資料相對穩定：資料進入後一般只進行查詢操作，不會進行刪改。
把複雜問題簡單化：將複雜的任務分解成多層來完成，每一層只處理簡單的任務，方便定位問題。
減少重複開發：規範資料分層，通過中間層資料，能夠減少重複的資料計算，增加計算結果的重用性；
**隔離原始資料：**使真實資料與統計資料隔離開。
功能資料倉儲
資料庫資料範圍
儲存歷史的、完整的、反應歷史變化的資料
當前狀態資料
資料變化
可新增、無刪除、無變更、反應歷史變化
支援頻繁的增刪改查
應用場景
面向分析、支援戰略決策
面向業務流程
設計理論
偽正規化、適當冗餘
遵照正規化（一、二、三正規化），避免冗餘
處理量非頻繁、大批量、高吞吐、有延遲
頻繁、小批次、高併發、低延遲
關係模型如圖所示，嚴格遵循第三正規化（3nf），從圖中可以看出，較為鬆散、零碎，物理表數量多，而資料冗餘程度低。由於資料分布於眾多的表中，這些資料可以更為靈活地被應用，功能性較強。關係模型主要應用與oltp系統中，為了保證資料的一致性以及避免冗餘，所以大部分業務系統的表都是遵循第三正規化的。
維度模型如圖所示，主要應用於olap系統中，通常以某乙個事實表為中心進行表的組織，主要面向業務，特徵是可能存在資料的冗餘，但是能方便的得到資料。
在維度建模的基礎上還可以分為三種模型：星型模型、雪花模型、星座模型。
2.2.1星型模型
標準的星型模型周圍只有一層，即乙個事實表周圍只有一層維度表與之對應。
2.2.2雪花模型
雪花模型的維度層級比星型模型多，雪花模型比較靠近3nf，但無法完全遵守，因為遵守3nf的效能成本太高。
2.2.3 星座模型
星座模型與前兩個模型的區別在於事實表的數量，星座模型中的事實表要多。而且事實表之間也有可能會共享維度表。
2.2.4 模型的選擇
首先星座與否與資料和需求有關係，與設計無關，不用抉擇。
星型還是雪花，取決於效能優先，還是靈活優先。
實際開發中，不會只選擇一種，根據情況靈活組合，甚至並存。但是整體來看，更傾向於維度更少的星型模型。尤其是hadoop體系，減少join就是減少shuffle,效能差別很大。
為什麼要進行資料倉儲建模？大資料的數倉建模是通過建模的方法更好的組織、儲存資料，以便在 效能、成本、效率和資料質量之間找到最佳平衡點。一般主要從下面四點考慮
訪問效能：能夠快速查詢所需的資料，減少資料i/o
資料成本：減少不必要的資料冗餘，實現計算結果資料復用，降低大數 據系統中的儲存成本和計算成本
使用效率：改善使用者應用體驗，提高使用資料的效率
資料質量：改善資料統計口徑的不一致性，減少資料計算錯誤 的可能性，提供高質量的、一致的資料訪問平台3。
保持資料原貌不做任何修改，起到備份資料的作用；
資料採用壓縮儲存，減少磁碟空間；
建立分割槽表，防止全盤掃瞄
dwd層需構建維度模型，一般採用星型模型，呈現的狀態一般為星座模型。
維度建模一般按照以下四個步驟：
統計各個主題物件的當天行為，服務於dwt層的主題寬表，以及一些業務明細資料，應對特殊需求（例如，購買行為，統計商品複購率）。
以分析的主題物件為建模驅動，基於上層的應用和產品的指標需求，構建主題物件的全量寬表。
對電商系統各大主題指標分別進行分析。
資料倉儲 4 基於維度建模的數倉KimBall架構
基於維度建模的kimball架構，將資料倉儲劃分為4個不同的部分。分別是操作型源系統 etl系統 資料展現和商業智慧型應用，如下圖。etl系統，指的就是獲取 轉換 載入的 extract transformation and load 過程以及在etl過程中使用到的資料和資料結構這樣的乙個過程的集合...
資料倉儲 數倉分層 01
資料倉儲，資料倉儲是面向主題的 subject oriented 整合的 integrated 非易失的 non volatile 和時變的 time variant 資料集合，用以支援管理決策。每個資料倉儲面向分析的主題都是一樣的 資料倉儲需要分析某乙個主題的資料結果，需要整合各個其他方面的資料 ...
資料倉儲之數倉分層
1 為什麼要分層 1.1 把複雜問題簡單化，將複雜的任務分解成多層來完成，每一層只處理簡單的任務，方便定位問題。1.2 減少重複開發 規範資料分層，通過中間層資料，能夠減少極大的重複計算，增加一次計算結果的復用性。1.3 隔離原始資料 不論是資料的異常還是資料的敏感性，使真實資料與統計資料解耦開 2...