od体育官方网站注册网址,od体育app官网下载,od体育最新登录网址,od体育平台,od体育app,od体育app下载,od体育靠谱吗,od体育,od体育下载,od体育官方网站,od体育官网,od体育投注,od体育下注,od体育买球,od体育世界杯,od体育欧洲杯,od体育赛事,od体育开户,od体育注册,od体育登录,od体育入口

　　数据延迟时间越短， 建设难度越高。 数据延迟时间越短，ODS建设难度越高。 建设难度越高 其中I 的建设难度最高， 其中 类ODS的建设难度最高，建设成本也是最高的。而且由于 类 的建设难度最高 建设成本也是最高的。而且由于I ODS的实时性，对于技术的要求与其它类型 的实时性， 也有所不同， 的实时性 对于技术的要求与其它类型ODS也有所不同，一般 也有所不同 来讲需要用到EAI技术，但随着当前企业对数据仓库的实时性要求越 技术， 来讲需要用到 技术 来越高，相信I 会变得越来越重要。 来越高，相信 类ODS会变得越来越重要。 会变得越来越重要 通常在企业应用架构中， 是一个可选件， 通常在企业应用架构中，ODS是一个可选件，但一旦需要用到 是一个可选件 但一旦需要用到ODS 的功能，那么ODS本身就将变得极为重要。 本身就将变得极为重要。 的功能，那么 本身就将变得极为重要 目前应用的比较多的是IV 目前应用的比较多的是 类ODS，因为一旦将决策分析结果加载到 ， ODS中，重要决策信息的高性能联机支持将成为可能。 中 重要决策信息的高性能联机支持将成为可能。

　　DW是静态数据，而ODS中的数据是动态的、可更新的 是静态数据， 中的数据是动态的、 是静态数据 中的数据是动态的 设计目标不同， 设计目标不同，ODS的设计目标是快速执行针对全局信息的少 的设计目标是快速执行针对全局信息的少 量数据的简单查询工作，这同数据仓库中的大数据量 数据量复杂查询 量数据的简单查询工作，这同数据仓库中的大数据量复杂查询 截然不同。 截然不同。 数据内容不同， 存储当前或者近期的数据， 数据内容不同，ODS存储当前或者近期的数据，DW存储历史 存储当前或者近期的数据 存储历史 性数据。 就像你的短期记忆， 性数据。ODS就像你的短期记忆，仅仅记录你的近期信息，而 就像你的短期记忆 仅仅记录你的近期信息， 数据仓库就像长期记忆一样， 数据仓库就像长期记忆一样，存储相对长久一些的信息 数据容量不同， 数据容量级别较小， 数据容量不同，ODS数据容量级别较小，DW的数据容量很大 数据容量级别较小 的数据容量很大

　　一般的数据仓库应用系统都具有非常复杂的数据来源， 一般的数据仓库应用系统都具有非常复杂的数据来源，这些数据存 放在不同的地理位置、不同的数据库、不同的应用之中， 放在不同的地理位置、不同的数据库、不同的应用之中，从这些业 务系统对数据进行抽取并不是一件容易的事。 务系统对数据进行抽取并不是一件容易的事。 ODS用于存放从业务系统直接抽取出来的数据，这些数据从数据结 用于存放从业务系统直接抽取出来的数据， 用于存放从业务系统直接抽取出来的数据 数据之间的逻辑关系上都与业务系统基本保持一致， 构、数据之间的逻辑关系上都与业务系统基本保持一致，因此在抽 取过程中极大降低了数据转化的复杂性， 取过程中极大降低了数据转化的复杂性，而主要关注数据抽取的接 数据量大小、抽取方式等方面的问题。 口、数据量大小、抽取方式等方面的问题。

　　一般来说，带有 的数据仓库体系结构中， 一般来说，带有ODS的数据仓库体系结构中，DW层所存储的 的数据仓库体系结构中 层所存储的 数据都是进行汇总过的数据， 数据都是进行汇总过的数据，并不存储每笔交易产生的细节数 但是在某些特殊的应用中， 据，但是在某些特殊的应用中，可能需要对交易细节数据进行 查询，这时就需要把细节数据查询的功能转移到ODS来完成， 来完成， 查询，这时就需要把细节数据查询的功能转移到 来完成 而且ODS的数据模型按照面向主题的方式进行存储，可以方便 的数据模型按照面向主题的方式进行存储， 而且 的数据模型按照面向主题的方式进行存储 地支持多维分析等查询功能。 地支持多维分析等查询功能。 在一个没有ODS层的数据仓库应用系统体系结构中，数据仓库 在一个没有 层的数据仓库应用系统体系结构中， 层的数据仓库应用系统体系结构中 中存储的数据粒度是根据需要而确定的，但一般来说， 中存储的数据粒度是根据需要而确定的，但一般来说，最为细 节的业务数据也是需要保留的，实际上也就相当于ODS，但与 节的业务数据也是需要保留的，实际上也就相当于 ， ODS所不同的是，这时的细节数据不是“当前、不断变化的” 所不同的是， 所不同的是 这时的细节数据不是“当前、不断变化的” 数据，而是“历史的，不再变化的”数据。 数据，而是“历史的，不再变化的”数据。

　　ODS是Operational Data Store的简称，翻译成操作数据存储。 是 的简称， 的简称 翻译成操作数据存储。 ODS是数据仓库体系结构的一部分，可以根据需要选择是否采 是数据仓库体系结构的一部分， 是数据仓库体系结构的一部分 用ODS。 。 它具备数据仓库的部分特征和OLTP的部分特征。 的部分特征。 它具备数据仓库的部分特征和 的部分特征 ODS是一个面向主题的、集成的、可变的、当前的细节数据集 是一个面向主题的、 细节数据集 是一个面向主题的 集成的、可变的、当前的细节 用于支持企业对于即时性的、操作性的、 即时性的 合，用于支持企业对于即时性的、操作性的、集成的全局信息的 需求。常常被作为数据仓库的过渡。 需求。常常被作为数据仓库的过渡。 作为一个中间层次，它既不是联机事务处理， 作为一个中间层次，它既不是联机事务处理，也算不上高层决策 分析， 的一种新的数据环境， 分析，是不同于 DB 的一种新的数据环境，是数据仓库扩展后得 到的一个混合形式。 到的一个混合形式。 ODS支持对数据的联机修改 支持对数据的联机修改——增、删与更新等操作 支持对数据的联机修改 增

　　DB数据环境：面向应用和联机事务处理，当前的、细节的、 数据环境：面向应用和联机事务处理，当前的、细节的、 数据环境 分散的数据，不能提供集成的统一的数据环境，共享程度低， 分散的数据，不能提供集成的统一的数据环境，共享程度低， 不能提供决策支持。 不能提供决策支持。 DW数据环境：面向高层、面向分析，可以提供集成、统一的 数据环境：面向高层、面向分析，可以提供集成、 数据环境 数据环境，但是一定量的数据是建立DW的前提，需要使用历 的前提， 数据环境，但是一定量的数据是建立 的前提 史数据， 史数据，数据要体现集成性和历史性 实际中往往会有实时决策的需求，上述两者都不能满足要求， 实际中往往会有实时决策的需求，上述两者都不能满足要求， 因此产生了ODS 因此产生了 ODS数据环境：一方面提供全局一致的、细节的、当前的数据， 数据环境： 数据环境 一方面提供全局一致的、细节的、当前的数据， 可进行联机事务操作型处理。 可进行联机事务操作型处理。另一方面是一种面向主题的集成 的数据环境。数据量小，可辅助完成日常决策的数据分析处理， 的数据环境。数据量小，可辅助完成日常决策的数据分析处理， 同时可以保护投资，保留现有的应用系统。 同时可以保护投资，保留现有的应用系统。

　　确定数据范围实际上是对ODS进行主题划分的过程，这种划分是基 进行主题划分的过程， 确定数据范围实际上是对 进行主题划分的过程 于对业务系统的调研的基础上而进行的， 于对业务系统的调研的基础上而进行的，并不十分关心整个数据仓 库系统上端应用需求，但是需要把上端应用需求与ODS数据范围进 库系统上端应用需求，但是需要把上端应用需求与 数据范围进 行验证，以确保应用所需的数据都已经从业务系统中抽取出来， 行验证，以确保应用所需的数据都已经从业务系统中抽取出来，并 且得到了很好的组织。 且得到了很好的组织。 一般来讲，主题的划分是以业务系统的信息模型为依据的， 一般来讲，主题的划分是以业务系统的信息模型为依据的，设计者 需要综合各种业务系统的信息模型，并进行宏观的归并， 需要综合各种业务系统的信息模型，并进行宏观的归并，得到企业 范围内的高层数据视图，并加以抽象， 范围内的高层数据视图，并加以抽象，划定几个逻辑的数据主题范 模型表示数据主题关系最为恰当。 围。在这个阶段，以ER模型表示数据主题关系最为恰当。 在这个阶段， 模型表示数据主题关系最为恰当