3.6典型应用集成技术

3.6.1数据库与数据仓库技术

    传统的数据库技术以单一的数据资源日I』数据库为中心，进行事务处理、批处理、决

策分析等各种数据处理工作，主要有操作型处理和分析型处理两类。操作型处理也称事

务处理，指的是对联机数据库酌日常操作，通常是对数据库中记录的鸯询和修改，主要

为企业的特定应用服务，强调处理的响应时闸、数据的安全性和完整性等；分析型处理

则用于管理人员的决策分析，经常要访问大量的历史数据。传统数据库系统主要强调的

是优化企业的日常事务处理工作，难以实现对数据分析处理要求，无法满足数据处理多

样化的要求。操作型处理和分析型处理的分离成为必然。

    数据仓库( Data Warehouse)是一个面向主题纳（Subject Oriented）、集成的、相对

稳定的、反映历史变化的数据集合，用于支持管理决策。可以从两个层次理解数据仓库：

首先，数据仓库用于决策支持，面向分析型数据处理，不同于企业现有的操作型数据库：

其次，数据仓库是对多个异构数据源（包括历史数据）的有效集成，集成后按主题重组，

且存放在数据仓库中的数据一般不再修改。

    与操作型数据库相比，数据仓库的主要特点如下。

    (l)面向主题：操作型数据库的数据面向事务处理，各个业务系统之问各自分离，

而数据仓库中的数据按主题进行组织。主题指的是用户使用数据仓库进行决策时所关心

的某些方面，一个主题通常与多个操作型系统相关。

    (2)集成：面向事务处理的操作型数据库通常与某些特定的应用楣关，数据库之间

相互独立，并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据抽取、

清理的基础上经过系统加工、汇总和整理得到的，消除了源数据中的不一致性，保证数

据仓库内的信息是整个企业的一致性的全局信息。

    (3)相对稳定：操作型数据库中的数据通常是实时更新的，数据根据需要及时发生

变化。而数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，

只有少量的修改和删除操作，通常只需定期加载、刷新。

    (4)反映历史变化：操作型数据库主要关心当前某一个时间段内的数据，而数据仓

库中的数据通常包含历史信息，系统记录了企业从过去某一时刻到当前各个阶段的信息，

通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

    企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累为基础的。数

据仓库不是静态的概念，只有将信息及时地提供给需要这些信息的使用者，供其做出改

善自身业务经营的决策，信息才能发挥作用，信息才有意义。将信息加以整理归纳和重

组，并及时地提供给相应的管理决策人员，是数据仓库的根本任务。数据仓库系统的结

构通常包含4个层次，如图3-11所示。

在数据仓库的结构中，数据源是数据仑库系统的基础，通常包括企业内部信息和外

部信息。内部信息包括存放于数据库中的各种业务处理数据和各类文档数据；外部信息

包括各类法律法规、市场信息和竞争对手的信息等。

    数据的存储与管理是整个数据仓库系统的核心。数据仓库的组织管理方式决定了其

对外部数据的表现形式。需要根据数据仓库的特点决定所采用的产品和技术，并针对现

有各业务系统的数据，进行抽取、清理及有效集成，按主题进行组织。数据仓库按照数

据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）两种。

    OLAP服务器对分析需要的数据进行有效集成，按多维模型组织，以便进行多角度、

多层次的分析，并发现趋势。具体实现可以分为ROLAP、MOLAP和HOLAP。ROLAP

的基本数据和聚合数据均存放在关系数据库中；MOLAP的基本数据和聚合数据均存放

在多维数据库中；HOLAP的基本数据存放在关系数据库中，聚合数据存放在多维数据

库中。

    前端工其主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各

种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器，

报表工具、数据挖掘工具主要针对数据仓库。