数据仓库的概念

数据仓库是信息（对其进行分析可做出更明智的决策）的中央存储库。通常，数据定期从事务系统、关系数据库和其他来源流入数据仓库。业务分析师、数据工程师、数据科学家和决策者通过商业智能 (BI) 工具、SQL 客户端和其他分析应用程序访问数据。

数据和分析已然成为各大企业保持竞争力所不可或缺的部分。企业用户依靠报告、控制面板和分析工具从其数据中获得洞察力、监控企业绩效以及更明智地决策。数据仓库通过高效地存储数据以便最大限度地减少数据输入和输出 (I/O)，并快速地同时向成千上万的用户提供查询结果，为这些报告、控制面板和分析工具 由数据仓库提供支持。

数据仓库的架构包含多个层。顶层是通过报告、分析和数据挖掘工具呈现结果的前端客户端。中间层包括用于访问和分析数据的分析引擎。架构的底层是加载和存储数据的数据库服务器。数据使用两种不同类型的方式存储：1) 经常访问的数据存储在最快的存储装置中（例如，SSD 驱动器），2) 不经常访问的数据存储在便宜的对象存储区中，例如 Amazon S3。数据仓库将自动确保经常访问的数据被移进“快速”存储以便优化查询速度。

数据仓库可能包含多个数据库。在每个数据库中，数据整理进表和列中。在每个列中，您可以定义数据的说明，例如整数、数据字段或字符串。表可以在 Schema 内整理，您可以将其视为文件夹。提取的数据将存储在 Schema 描述的各种表中。查询工具使用 Schema 来确定要访问和分析哪些数据表。

数据仓库的优势包括：

• 知情地做出决定
• 整合多个来源的数据
• 历史数据分析
• 数据质量高、一致且准确
• 将分析处理从事务数据库中分离出来，从而提高两个系统的性能

通常，企业使用数据库、数据湖和数据仓库的组合来存储和分析数据。Amazon Redshift 的 Lake House 架构让此类集成变得轻松。

随着数据的量和种类增加，采用一种或多种通用模型来处理数据库、数据湖和数据仓库中的数据会有很多便利：

数据仓库是专门为数据分析设计的，涉及读取大量数据以了解数据之间的关系和趋势。数据库用于捕获和存储数据，例如记录事务的详细信息。

与数据仓库不同，数据湖是所有数据（包括结构化、半结构化和非结构化数据）的中央存储库。数据仓库要求数据使用表格形式进行整理，Schema 通过它发挥作用。需要采用表格形式以便使用 SQL 来查询数据。但是，并非所有应用程序都要求数据为表格形式。有些应用程序，例如大数据分析、完整文本搜索和机器学习，即使是对于“半结构化”或完全非结构化的数据，也能够进行访问。

数据集市是一种数据仓库，用于满足特定团队或业务部门（例如财务、营销或销售）的需求。它更小、更集中，并且可能包含最适合其用户社区的数据汇总。数据集市也可以是数据仓库的一部分。

AWS 允许您利用与按需计算相关的所有核心优势：访问看似无限的存储和计算容量，助越来越多所收集、存储和查询的数据并行扩展系统，只需为预置的资源付费。AWS 还提供一系列已相互无缝集成的托管服务，以便您能够快速部署端到端分析和数据仓库解决方案。

下面的插图显示了端到到分析流程的关键步骤，又称为堆栈。AWS 在每一步提供各种托管服务。

• 请遵循此分步指南，部署一个 Amazon Redshift 数据仓库 »
• 开始我们为期 2 个月的免费试用 »