通过实用数据仓库参考架构.PDFVIP

通过实用数据仓库参考架构 实现普及化 BI Oracle 白皮书 2010 年 2 月 注意： 以下内容旨在概述产品的总体发展方向。该内容仅供参考，不可纳入任何合 同。该内容不构成提供任何材料、代码或功能的承诺，并且不应该作为制定购 买决策的依据。所描述的有关 Oracle 产品的任何特性或功能的开发、发布和时 间安排均由 Oracle 自行决定。 通过实用数据仓库参考架构 实现普及化 BI 引言4 背景5 建模方法 5 变化如何影响需求 6 参考架构的要求 8 打包应用程序和参考架构9 ORACLE 数据仓库参考架构10 数据源 11 核心数据仓库 12 临时数据层12 基础数据层 12 访问和性能层 13 业务智能和性能管理工具 14 BI 抽象和查询生成 14 通过 SOA 将洞察和操作联系起来 15 ETL 、消息传递和元数据16 安全性16 数据加载过程 17 信息供应过程 18 总结20 通过实用数据仓库参考架构实现普及化 BI 引言 毋庸置疑，“信息”是当今全球每个成功、赢利和透明企业的核心。企业领导 者、行业权威人士和学术界都认同信息是通过信息技术实现竞争优势和利益相关 方价值的关键所在。但是，为了实现这一目标，必须在企业内部普遍提供信息， 并且为更广泛的贸易团体和客户群提供信息，还要具有所需级别的卓越管理来完 成转换。 自数据仓库开始普及以来，业务和 IT 领域发生了翻天覆地的变化。许多研究 表明，到目前为止，大部分 IT 预算仅用于运行业务而不是改变业务：只是保持 正常运行而不是打造竞争优势。在业务智能和数据仓储方面，这通常体现在 IT 团队花费太多时间进行临时的集成和数据重新设计，业务分析人员花费时间 收集和准备数据而不是分析数据并根据分析结果采取措施。为了真正改变业 务，数据仓库必须通过 Web 服务“洞察”业务流程的要害之处，通过业务智能 工具提供分析流程。 如果我们要真正在企业内外普遍提供业务智能，则构建业务智能所基于的架构必 须能够以近实时的方式加载和查询数据，并且其准确性和高可用性与对其他每个 运营系统的期望一样。随着数据量的日益增加和所需分析的更加深入，架构还必 须能够扩展以满足未来需求，并且能够管理信息生命周期从而降低实际安全平台 中的成本。 本白皮书将讨论数据仓储的背景，探讨推动对“下一代”数据仓储和业务智能平 台的需求的一些动态和业务趋势。本白皮书将以企业参考架构的形式提供这样一 种架构：该架构可以用于指导新的实施，也可以用于制定现有数据仓库的发展规 划以引入本白皮书中所述的部分或全部设计理念。 通过实用数据仓库参考架构实现普及化 BI 第 4 页 背景 在本节中，我们将探讨一些数据仓储背景，了解全球各行各业的业务对数据仓库和 业务智能解决方案不断提出的新的要求。 建模方法 数据仓库由来已久，它们在 20 世纪 80 年代后期首先作为解决方案出现，理所当 然地在同时代的 IT 架构中赢得一席之地。就其本质而言，数据仓库具有高度战略 性，一方面是因为它们承载了业务群体的诸多需要和要求，另一方面是因为它们 花费的资本/运营支出和解决方案的复杂性。 过去，成功的数据仓库必须做以下三件事情。它们必须加载数据，长期管理数 据，提供对数据的访问（通常是为有限数量的分析人员和高级业务用户提供对数 据的访问）。 当时，对于用于仓库的底层数据模型的最佳方法，流行两种观点。Ralph Kimball 推广的一种观点是维度方法，此方法可简化数据模型以便于访问数据，从而最终用 户可使用星型或雪花型模式查询数据。这是一种非常物理化的模型，下钻路径、层 次结构和查询配置文件嵌入数据模型本身而不是数据中，这至少是最终用户可如此 直接地导航模型的部分原因。