資料倉儲是由外部多個資料來源彙總整合的，「整合」這個詞代表並不是簡單的堆積，而是需要進行一些邏輯處理，數倉的整合就是這樣，因為外部資料來源都是異構的，所以需要做很多任務作才可以進行整合，這些工作包括但不限於：欄位的意義統一，輕度統計等。
抽取資料
有如下策略：
時間戳判斷
掃瞄增量檔案
日誌檔案，審計檔案掃瞄
修改應用程式（很少使用）
映像檔案掃瞄（很少使用）
另外，抽取的資料需要增加時間戳（必須的），儲存到介質裡面需要進行壓縮。
資料模型
高層模型，實體關係圖（entity relationship diagram，erd），主要目的是識別實體
中間層模型（dis），識別實體中欄位
物理模型，基於技術選型，做一些基於物理層配置；大多數情況下中間層和物理層模型一致，這個其實和db designer裡面的三種模式向對應：高層，業務層以及物理層（高層我記不清叫什麼名字了）。
元資料
包括不限於：
資料進入到倉庫的轉換
資料模型
資料模型和資料倉儲的關係
抽取資料的歷史記錄
時間間隔
並非越快越好，給資料一些修改的機會，一旦進了dw之後如果再想修改就難了。
關於etl和elt
這個話題比較有趣，很多大牛講忽略他們的區別，但是他們區別還是比較大，關鍵就是在於t，即transformation，資料的（變形）處理，比如資料型別的統一；etl，這個資料處理是在進入到dw之前就做完了，使用的etl的資源來做這件事情；elt，則是在進入到dw之後，利用其它資料庫工具來做資料處理（比如spark）；所以他們的區別就是使用的資源節點不同。（下圖參考「etl與elt的區別與聯絡」）
dw記錄的觸發
乙個是業務活動，乙個是時間，如果是前者一般將會實時觸發，後者則是定時跑批
dw的一條記錄（快照）是有如下部分組成：
時間關鍵字
主要非關鍵字
二級資料
dw的有一種記錄稱之為概要記錄，是一種粗粒度資料，會丟失一些細節，但是這些細節對於dss人員而言並不重要；為了避免細節丟失，可以將這些細節放置到廉價的儲存介質中，以備未來某個場景需要
星型結構
只適合於資料集市，所謂星型結構是指事實表作為中心表，事實表中每個欄位都可以關聯到一張維度表，之所以稱之為維度表，是因為事實表中每個欄位都是「乙個維度」，描述一類資訊的關鍵字，可以通過事實表中的維度輻射到具體維度的資訊。
但是有乙個乙個問題：為什麼星型結構只適合資料集市，而不是資料倉儲呢？因為星型結構本身就是針對具體的業務來構建起來的，而資料倉儲的結構不是為某個部門，某個業務，而是全域性性的資料服務，所以星型結構並不適合資料倉儲。
ods
ods，operational data store，操作性資料儲存，裡面儲存的都是概要性資料。ods中資料有來自於操作型環境，還有來自於資料倉儲分析的結果。
zachman框架構建
zachman是構建資料倉儲的架構
etl構建資料倉儲五步法 ETL構建資料倉儲五步法
精品資料推薦 etl構建資料倉儲五步法 在資料倉儲構建中，etl貫穿於專案始終，它是整個資料倉儲的生命線，包括了從資料清洗，整合，到轉換，載入等的各個過程，如果說資料倉儲是一座大廈，那 麼etl 就是大廈的根基，etl抽取整合資料的好壞直 接影響到最終的結果展現。所以etl 在整個資料倉儲專案中起著...
etl構建資料倉儲五步法 資料倉儲建模篇
1 什麼叫資料倉儲？資料倉儲的特點？首先，用於支援決策，面向分析型資料處理，它不同於企業現有的操作型資料庫 其次，對多個異構的資料來源有效整合，整合後按照主題進行了重組，幷包含歷史資料，而且存放在資料倉儲中的資料一般不再修改。資料倉儲是乙個面向主題的 subject oriented 整合的 int...
構建企業級資料倉儲的五步法
一.確定主題 即確定資料分析或前端展現的主題 例如 某年某月某地區的啤酒銷售情況 主題要體 現出某一方面的各分析角度 維度 和統計數值型資料 量度 之間的關係,確定主題時要 綜合考慮.二.確定量度 確定主題後,需要考慮分析的技術指標 例如 年銷售額等 它們一般為數值型資料,其中有些度量值不可以彙總 ...