转 灵活有效的数据仓库解决方案 仓库设计与.docVIP

转 灵活有效的数据仓库解决方案 仓库设计和 简介 　　业务环境是在快速变化的，而业务数据的类型也是如此。一个成功的数据仓库解决方案的基础就是灵活的设计，这种设计可以适应不断变化的业务数据。数据仓库的架构和仓库数据的建模是仓库设计中的核心过程。 数据仓库的架构 　　当使用数据模型捕获业务需求时，您就已经完成了数据仓库设计中的部分工作。然而，正式的数据仓库设计应该从数据仓库的架构开始。 　　仓库架构是基于一些因素所做的关键决策，这些因素包括当前基础设施、业务环境、期望的管理和控制结构、实现工作的承诺和范围、企业所采用的技术环境的功能以及可用的资源等。架构选择 　　仓库架构将决定数据仓库和数据集市本身的位置，以及控制所驻留的位置，或者反之。例如，数据可以驻留在集中进行管理的中心位置中。或者，数据可以驻留在集中或独立管理的分布式的本地和/或远程位置中。 　　有以下一些架构选择： 　　业务范围(Business-wide)的数据仓库 　　独立的数据集市 　　互连的数据集市 　　这些架构选择也可以组合使用。例如，数据仓库架构可以在物理上分布或集中管理。业务范围的数据仓库架构 　　业务范围的数据仓库就是将支持整个或一大部分业务的数据仓库，该业务需要更加完全集成的数据仓库，跨部门和业务线(line of business)具有较高的数据访问和使用率。即基于整个业务需求设计和构造仓库。可以将之视作可跨整个企业使用的决策支持数据的公共存储库，或其中的一个大型子集。这里所使用的术语“业务范围(business-wide)”反映的是数据访问和使用的范围，而非物理结构。在整个企业中，业务范围的数据仓库在物理上可以是集中式的，也可以是分布式的。独立的数据集市架构 　　独立的数据集市架构暗指单独的数据集市，这些数据集市是由特定的工作组、部门或业务线进行控制的，完全是为满足其需求而构建的。实际上，它们甚至与其他工作组、部门或业务线中的数据集市没有任何连通性。图 1. 数据仓库架构选择 　　 　　互连的数据集市架构 　　互连的数据集市架构基本上是分布式的实现。虽然不同的数据集市是在特定的工作组、部门或生产线中实现的，但它们可以是集成、互连的，以提供更加全局的业务范围的数据视图。实际上，在最高的集成层次上，它们可以成为业务范围的数据仓库。这意味着一个部门中的终端用户可以访问和使用另一部门中数据集市中的数据。您应选择哪种架构? 　　如果您客户的业务和数据源是相对集中的，那业务范围的集中式数据仓库架构就是最明智的选择。这实际上对于中间市场的公司而言是很普遍的情况。否则，对于在地理上广泛分布的业务而言，互连的数据集市和业务范围的分布式数据仓库就是更加实用的选择。 　　独立的数据集市架构不是一种好方法，因为它违背了数据仓库的关键概念：数据集成。数据仓库的实现方法 　　实现方法的选择受这些因素的影响：当前的 IT 基础设施、可用的资源、所选择的架构、实现的范围、对于跨企业进行的更大业务范围的数据访问的需求、投资回报率(return-on-investment)需求以及实现的速度。实现方法的选择是数据仓库设计中的重要部分;该决策需要在数据仓库项目的早期阶段做出。自顶向下的实现 　　自顶向下的方法就是在单个项目阶段中实现数据仓库。自顶向下的实现需要在项目开始时完成更多计划和设计工作。这就需要涉及参与数据仓库实现的每个工作组、部门或业务线中的人员。要使用的数据源、安全性、数据结构、数据质量、数据标准和整个数据模型的有关决策一般需要在真正的实现开始之前就完成。自底向上的实现 　　自底向上的实现包含数据仓库的计划和设计，无需等待安置好更大业务范围的数据仓库设计。这并不意味着不会开发更大业务范围的数据仓库设计;随着初始数据仓库实现的扩展，将逐渐增加对它的构建。现在，该方法得到了比自顶向下方法更广泛的接受，因为数据仓库的直接结果可以实现，并可以用作扩展更大业务范围实现的证明。您应该选择哪种实现? 　　每种实现方法都有利弊。在许多情况下，最好的方法可能是某两种的组合。该方法的关键之一就是确定业务范围的架构需要用于支持集成的计划和设计的程度，因为数据仓库是用自底向上的方法进行构建。 　　在使用自底向上或阶段性数据仓库项目模型来构建业务范围架构中的一系列数据集市时，您可以一个接一个地集成不同业务主题领域中的数据集市，从而形成设计良好的业务数据仓库。这样的方法可以极好地适用于业务。每个数据集市都可以处理可识别的业务问题或主题领域，从而可以计算 ROI。构建团队可以测试并调整产品，而该方法也为构建团队提供了宝贵的学习曲线。 　　对于中间市场的公司，有一些额外的理由要采用自底向上的方法： 　　在中间市场的业务及其业务数据结构中，存在比企业业务数据中更多的易变性。 　　较小的公司通常存在有限的项