数仓是什么？
数仓是什么？为了分析数据！
数仓（Data Warehouse）是数据仓库的简称，是一种面向主题的、集成的、时变的、非易失的数据集合，用于支持管理决策。
数仓通常由数据仓库、数据集市和数据湖等组件组成，它们共同构成了一个完整的数据架构。数据仓库用于存储和分析历史数据，数据集市用于存储和分析特定主题的数据，数据湖则用于存储和分析所有类型的数据。
数仓的目的是提供一种统一的数据访问方式，使得企业能够方便地获取所需的数据，并进行分析和决策。
数仓通常采用关系型数据库（如Oracle、SQL Server等）来存储和管理数据，同时也支持使用Hadoop等大数据技术来处理和分析数据。
数仓的构建和维护需要使用相应的工具和平台，如ETL工具（如Sqoop、Kettle等）来提取、转换和加载数据，数据仓库管理和分析平台（如Hive、Impala等）来管理和分析数据。
数仓的构建和维护需要遵循一定的规范和标准，如数据模型、数据格式、数据质量等。
数仓的构建和维护需要使用相应的工具和平台，如ETL工具（如Sqoop、Kettle等）来提取、转换和加载数据，数据仓库管理和分析平台（如Hive、Impala等）来管理和分析数据。
数仓的构建和维护需要遵循一定的规范和标准，如数据模型、数据格式、数据质量等。
为什么要数仓？
在哪里进行数据分析？数据库？
业务操作分为读操作和写操作，但是读操作==的压力大于写操作。
目的：数据分析与业务解耦合，分析支持决策但不影响业务。
OLTP（On-Line Transaction Processing）：联机事务处理，面向业务操作，对事务的响应时间有要求，对数据的实时性要求较高。
举例：针对具体业务再数据库联机的日常操作，对少量数据的增删改查。关系型数据库作为数据管理的主要手段。
OLAP（On-Line Analytical）：联机分析处理，面向数据分析，对事务的响应时间没有要求，对数据的实时性要求较低。
举例：针对某些主题的历史数据进行复杂的多维分析。数据仓库是OLAP系统的典型事例。
数仓分层架构
操作型数据层（ODS）、数据仓库层（DW）、数据集市层（DM）、数据应用层（DA）。
ODS：操作型数据层，用于存储原始数据，通常采用关系型数据库（如Oracle、SQL Server等）来存储和管理数据。
DW：数据仓库层，用于存储经过清洗、转换和整合后的数据，通常采用关系型数据库（如Oracle、SQL Server等）来存储和管理数据。
DM：数据集市层，用于存储特定主题的数据，通常采用关系型数据库（如Oracle、SQL Server等）来存储和管理数据。
DA：数据应用层，用于提供数据分析和决策支持，通常采用数据仓库管理和分析平台（如Hive、Impala等）来管理和分析数据。
分层的好处是：清洗数据结构、数据血缘追踪、减少重复开发（如查询接口）、屏蔽原始数据的异常
ETL和ELT
ETL（Extract-Transform-Load）：提取、转换和加载，用于将数据从源系统提取出来，经过清洗、转换和整合后加载到目标系统。
ELT（Extract-Load-Transform）：提取、加载和转换，用于将数据从源系统提取出来，直接加载到目标系统，然后再进行转换。
数仓的构建
- 数据收集：从业务系统中收集数据，包括原始数据和业务日志。