一、DB、ETL、DW、OLAP、DM、BI关系结构图

转载自：http://www.cnblogs.com/ycdx2001/p/4538750.html

（1）DB/Database/数据库——这里一般指的就是OLTP数据库，在线事物数据库，用来支持生产的，比如超市的买卖系统。DB保留的是数据信息的最新状态，只有一个状态！比如，每天早上起床洗脸照镜子，看到的就是当时的状态，至于之前的每天的状态，不会出现的你的眼前，这个眼前就是db。

（2）DW/Data Warehouse/数据仓库——这里保存的是DB中的不同时间点的状态，比如，每天早上洗完照镜子时，都拍一张照片，天天这样，这些照片放入到一个相册中，之后就可以查看每一天的状态了，这个相册就是数据仓库，他保存的是数据在不同时间点的状态，对同一个数据信息，保留不同时间点的状态，就便于我们做统计分析了。

（3）ETL/Extraction-Transformation-Loading——用于完成DB到DW的数据转存，它将DB中的某一个时间点的状态，“抽取”出来，根据DW的存储模型要求，“转换”一下数据格式，然后再“加载”到DW的一个过程，这里需要强调的是，DB的模型是ER模型，遵从范式化设计原则，而DW的数据模型是雪花型结构或者星型结构，用的是面向主题，面向问题的设计思路，所以DB和DW的模型结构不同，需要进行转换。

（4）OLAP——在线分析系统，简单说就是报表系统，销售报表，统计报表，等等，这个大家都熟悉，当然，OLAP的统计要更复杂更丰富一些，比如切面，钻取等等。

（5）DM/Data Mining/数据挖掘——这个挖掘，不是简单的统计了，他是根据概率论的或者其他的统计学原理，将DW中的大数据量进行分析，找出我们不能直观发现的规律，比如，如果我们每天早上照相，量身材的时候，还记录下头一天吃的东西，黄瓜，猪腿，烤鸭，以及心情，如果记录上10年，形成了3650天的相貌和饮食心情的数据，我们每个人都记录，有20万人记录了，那么，我们也许通过这些记录，可以分析出，身材相貌和饮食的客观规律；再说一个典型的实例，就是英国的超市，在积累了大量数据之后，对数据分析挖掘之后，得到了一个规律：将小孩的尿布和啤酒放在一起，销量会更好——业务专家在得到该结论之后，仔细分析，知道了原因，因为英国男人喜欢看足球的多，老婆把小孩介绍男人看管，小孩尿尿需要尿布，而男人看足球喜欢喝酒，所以两样商品有密切的关系，放在一起销售会更好！

（6）BI/Business Intelligence/商业智能——领导，决策者，在获取了OLAP的统计信息，和DM得到的科学规律之后，对生产进行适当的调整，比如，命令超市人员将啤酒喝尿布放在一起销售，这就反作用于DB修改存货数据了——这就是整个BI的作用！

信息技术经过近20年的大力发展，很多行业积累了很多珍贵的数据，真正的大数据时代到来了，也逐渐体现出 DB-ETL-DW-OLAP-DM-BI这条线路的重要性，希望大家能懂得这个大数据时代的价值，把握住机遇，有更加美好的未来！

二、大数据相关推荐文章

数据仓库的价值：

http://webdataanalysis.net/web-data-warehouse/value-of-data-warehouse/

数据仓库的基本构架：

http://webdataanalysis.net/web-data-warehouse/data-warehouse-frame/

数据仓库的源数据类型：

http://webdataanalysis.net/web-data-warehouse/data-warehouse-source-data/

数据仓库的多维数据模型：

http://webdataanalysis.net/web-data-warehouse/multidimensional-data-model/

数据立方体-维度与OLAP：

http://www.cnblogs.com/mq0036/p/4155832.html

DB、ETL、DW、OLAP、DM、BI关系结构图：

http://www.cnblogs.com/ycdx2001/p/4538750.html

ODS与DW的关系

http://blog.csdn.net/hero_hegang/article/details/8691912

http://blog.sina.com.cn/s/blog_54c021fb01017v3k.html //这篇文章很好。推荐。

数据仓库之ETL漫谈

http://blog.csdn.net/heqiyu34/article/details/8502198

Linux下JDK安装

http://blog.csdn.net/ubuntu64fan/article/details/8289335

ETL的一些概念

http://qsx1982-126-com.iteye.com/blog/1135590

事实表和维度表的关系

http://blog.csdn.net/rogerxi/article/details/3966782

浅谈ThreadPool线程池

http://www.cnblogs.com/xugang/archive/2010/04/20/1716042.html

http://www.cnblogs.com/xiaofengfeng/archive/2012/12/21/2828387.html

对MapReduce过程的理解

http://blog.csdn.net/yeruby/article/details/21406793

使用Storm实时大数据分析

http://blog.csdn.net/hguisu/article/details/8454368

Hive与HBase区别

http://www.cnblogs.com/quchunhui/p/5340989.html

大数据基础（一）——关系+文章相关推荐

大数据基础入门 ------文章来源于：某个入门课程
文章目录第一课:大数据基础入门什么是大数据? java和大数据的关系学习大数据需要的基础和路线第二课:Hadoop的背景起源一分布式存储如何解决大数据的存储?(HDFS) 第三课: ha ...
机器学习、数据挖掘、人工智能和其他大数据基础技术，之间的业务逻辑关系？
不管是学习技术还是开发产品,分析和理解这个大数据产业版图都十分必要.版图细节不做赘述,我们重点从学习的角度来看DT(Datatechnology)技术泛型下包括那些核心技术,各技术领域之间是什么样的逻 ...
大数据基础--学好大数据必看的文章
大数据的项目流程数据生产数据采集数据存储需求分析数据预处理数据计算数据存储 8.结果展现大数据基础知识目录什么是服务器? 什么是RAID? 什么是集群? 什么是网络? 什么是交换机 ...
hawk大数据基础知识总结（1）
一.大数据概述 1.1大数据的概念大数据一共具有三个特征:(1)全样而非抽样:(2)效率而非精确:(3)相关而非因果. (1)在过去由于缺乏获取全体样本的手段,人们发明了"随机调研数据&q ...
大数据基础——Hadoop大数据平台搭建
文章目录前言 Hadoop大数据平台搭建一．Hadoop原理和功能介绍二．Hadoop安装部署三．Hadoop常用操作总结前言分布式机器学习为什么需求大数据呢?随着海量用户数据的积累,单 ...
二, 大数据基础架构Hadoop-HDFS入门和基本操作(基本组成, Shell操作, API操作, 读写流程) hf
一, HDFS概述 1.1 HDFS的产生背景和定义随着数据量越来越大,我们需要把文件分布存储到多台计算机上,分布式文件管理系统作为一种管理多台机器上文件的系统应运而生, HDFS是其中的一种. H ...
大数据基础知识（上）
大数据基础知识:技巧与概念什么是大数据数量多流转快种类多大数据需要具备全部三个特征吗? 如何使用大数据了解消费者大数据了解企业大数据了解科学研究大数据大数据与数据科学大数据与小数据 ...
大数据基础知识全集，大数据爱好者收藏必备
目前,市场上的大数据产品太多,但远远低于IAAS的标准化水平,各产品之间的差异还不十分清楚.当许多公司正在制造大数据平台或大数据解决方案时,他们往往不知道选择哪些产品来满足他们的需求 ...
大数据基础之Hadoop（三）—— MapReduce
作者:duktig 博客:https://duktig.cn (文章首发) 优秀还努力.愿你付出甘之如饴,所得归于欢喜. 本篇文章源码参看:https://github.com/duktig666/b ...
【大数据】AI、IoT、区块链这些技术与大数据融合，大数据基础软件干货不容错过
作者:刘学习 | 小编:阿软在IT产业发展中,包括CPU.操作系统在内的基础软硬件地位独特,不但让美国赢得了产业发展的先机,成就了产业巨头,而且因为技术.标准和生态形成的壁垒,主宰了整个产业的发展 ...

大数据基础（一）——关系+文章

一、DB、ETL、DW、OLAP、DM、BI关系结构图

二、大数据相关推荐文章

Hive与HBase区别

大数据基础（一）——关系+文章相关推荐

最新文章

热门文章