数据仓库(DW)与操作型数据存储(ODS)
1 概述
系统应用集成中一般对各系统中数据分为两类
操作型数据：它 有细节化，分散化的特点
决策型数据：它 有综合化，集成化的特点
数据仓库概念的提出也把数据处理划分为了操作型处 理和分析型处理两种不同类型，从而建立起了DB-DW的两层体系结构。但是有很多情况，DB-DW的两层体系结构并不能涵盖企业所有的数据处理要求,比如 有些实时性决策问题,它要求获取数据周期不能太长,而且也需要一定程度的汇总。这样的问题可以借助于DB-DW的中间层ODS（操作数据存储）来解决。它 象DW一样是一种面向主题，集成的数据环境，又象操作型DB一样包含着全局一致的，细节的当前的数据。我们看下常用的几种系统应用集成需求：
我要了解企业目前的运转情况！（实时监控）
我要知道某地区近5年内的销售情况以制定未来的发展策 略！（决策支持）
我要知道哪些是值得发展的优质的顾客！（预测）
提供企业内部和外部的有用信息以支持中期或远期决策
提供事实的全局信息进行实时监控与临时决策
要满足上面所有的需求,不管是传统的OLTP系统 还是已经集成的数据仓库,都是很难完成任务的。由于这些原因，ODS应运而生。ODS可以看做是围绕主题进行动态整合的一种应用型体系结构,它有如下一些 特点：
从应用子系统获取数据
提供几乎精确到每秒的企业整体应用状态
数据一旦过期就将转入DW
实时决策与预警提示
使用者多为前端业务人员
2 DW与ODS比 较:
| 数据仓库 | ODS | |
| 目的 | 决策支持 | 接近实时监控 |
| 共同点 | 整合数据 | 整合数据 |
| 面向主题 | 面向主题 | |
| 不同点 | 静态数据 （延迟>24小时) | 动态数据 (延迟>1秒） |
| 历史数据 | 当前数据 | |
| 概括性数据 | 细节化数据 |
| 实施方案 | 实施结果 | 优势 | 缺陷 |
| 数据仓库(DW) | 企业能够分析DW中的历史数据，进行中远期的规划 | 可以解决企业的决策需求 | 不能满足企业的实时监控和实时业务需求 |
| 操作型数据存储(ODS) | 企业能够把握ODS中的当前综合数据，对企业的及时运行情况随时掌控 | 可以满足企业的实时监控和实时业务需求 | 不能满足企业的中远期决策需求 |
| DW+ODS(如下图) | 企业能够分析ODS中的当前综合数据，对企业当前运行情况进行宏观控制;能够分析DW中的历史数据，对未来进行合理规划 | 既能把握实时的企业运作情况，采取及时的应对措施;又能把握历史纵向概况，进行远期战略规划 |
图1 ODS+DW方案
4 三种类型的ODS:
类型一：以几秒为间隔的更新（非常贵、不常用、数 据整合能力弱）
类型二：以约1小时为间隔的更新（常用、数据整合 能力较强）
类型三：以约1天为间隔的更新（常用、数据整合能 力较强）
ODS技术的引入和应用，为企业在日常经营中进行 即时OLAP提供了一种解决方案使得企业无须建立一个“臃肿”的DW，就可以进行一些非战略性的的中层决策，来实现对企业的日常管理和控制，同时也能获得 较快的响应速度
