数据仓库与数据集市——它们之间的区别

由： 大卫卡特 大卫卡特
Hours 更新

数据仓库和数据集市之间的主要区别

  • 数据仓库是从不同来源收集的大型数据存储库，而数据集市只是数据仓库的子类型。
  • 数据仓库关注组织中的所有部门，而数据集市关注特定群体。
  • 数据仓库的设计过程很复杂，而数据集市的过程很容易设计。
  • 数据仓库处理数据需要较长时间，而数据集市处理数据需要较短时间。
  • 比较数据仓库和数据集市，数据仓库的大小范围是 100 GB 到 1 TB+，而数据集市的大小小于 100 GB。
  • 当我们区分数据仓库和数据集市时，数据仓库实施过程需要1个月到1年的时间，而数据集市则需要几个月才能完成实施过程。
数据仓库和数据集市之间的区别
数据仓库和数据集市之间的区别

什么是数据仓库？

A 数据仓库 收集和管理来自不同来源的数据，以提供有意义的商业洞察。

它是独立于运营系统的数据集合，用于支持公司的决策。数据仓库中的数据是从历史角度存储的。

仓库中的数据是从多个功能单元中提取的。经过检查、清理，然后与数据仓库系统集成。数据仓库使用具有大存储容量的非常快的计算机系统。此工具可以回答与数据相关的任何复杂查询。

什么是数据集市？

A 数据集市 是数据仓库的一种简单形式。它专注于单一主题。数据集市仅从少数来源提取数据。这些来源可能是中央数据仓库、内部操作系统或外部数据源。

数据集市是一种索引和提取系统。它是数据仓库的一个重要子集。它以主题为导向，旨在满足特定用户群的需求。与数据仓库相比，数据集市速度快且易于使用，因为它们使用的数据量较少。

相关文章

数据仓库和数据集市之间的区别

数据集市和数据仓库之间的主要区别如下：

产品型号 数据仓库 数据库
定义 数据仓库是从公司内不同组织或部门收集的大型数据存储库。 数据集市是数据仓库的唯一子类型。它旨在满足特定用户群的需求。
用法 它有助于做出战略决策。 它有助于为企业做出战术决策。
目的 数据仓库的主要目标是提供某一时间点的集成环境和连贯的业务图像。 主要用于部门级业务部门的数据集市。
设计 数据仓库的设计过程相当困难。 数据集市的设计过程很简单。
可能在维度模型中使用，也可能不使用。但是，它可以为维度模型提供信息。 它是使用起始模式围绕维度模型构建的。
数据处理 数据仓库涵盖了公司的大量领域，因此处理它需要很长时间。 数据集市易于使用、设计和实施，因为它只能处理少量数据。
专注于 数据仓库广泛关注所有部门。它甚至可能代表整个公司。 数据集市是面向主题的，在部门级别使用。
数据类型 与数据集市相比，数据仓库中存储的数据总是详细的。 数据集市是针对特定用户群体建立的，因此数据稀缺且有限。
学科领域 数据仓库的主要目标是提供某一时间点的集成环境和连贯的业务图像。 通常只包含一个主题领域——例如销售数据。
数据存储 旨在存储企业范围的决策数据，而不仅仅是营销数据。 采用维度建模、星型模式设计，优化接入层性能。
数据类型 严格执行时间变化和非易失性设计。 主要包括合并数据结构以满足主题区域的查询和报告需求。
资料值 从最终用户的角度来看是只读的。 交易数据不论粒度如何，均直接从数据仓库中提供。
适用范围 数据仓库更有帮助，因为它可以从任何部门带来信息。 数据集市包含公司特定部门的数据。可能有单独的数据集市用于销售、财务、营销等。用途有限
来源 数据仓库中的数据来自许多来源。 数据集市中的数据来自很少的来源。
尺码 数据仓库的大小可能从 100 GB 到 1 TB+。 数据集市的大小小于100 GB。
实施时间 数据仓库的实施过程可以从数月延长到数年。 数据集市的实施过程仅限于几个月。