关于数据仓库—ODS概念

ODS 是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对于即时性的、操作性的、集成的全体信息的需 求。常常被作为数据仓库的过渡，也是数据仓库项目的可选项之一。

根据 Bill.Inmon 的定义，“数据仓库是面向主题的、集成的、稳定的、随时间变化的，主要用于决策支持的数据库系统 ”

ODS 是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对于即时性的、操作性的、集成的全体信息的需 求。常常被作为数据仓库的过渡，也是数据仓库项目的可选项之一。

在 Kimball 的 << 数据仓库生命周期工具集 The Data WareHouse Liftcycle Toolkit>> ，他是这样定义的

1. 是操作型系统中的集成 , 用于当前，历史以及其它细节查询 ( 业务系统的一部分 )

2. 为决策支持提供当前细节数据 ( 数据仓库的一部分 )

因此操作数据存储（ ODS ） 是用于支持企业日常的全局应用的数据集合， ODS 的数据具有面向主题、集成的、可变的和数据是当前的或是接近当前的 4 个基本特征。同样也可以看出 ODS 是介于 DB 和 DW 之间的一种数据存储技术，和原来面向应用的分散的 DB 相比， ODS 中的数据组织方式和数据仓库（ DW ）一样也是面向主题的和集成的，所以对进入 ODS 的数 据也象进入数据仓库的数据一样进行集成处理。另外 ODS 只是存放当前或接近当前的数据，如果需要的话还可以对 ODS 中的数据进行增、删和更新等操 作，虽然 DW 中的数据也是面向主题和集成的，但这些数据一般不进行修改，所以 ODS 和 DW 的区别主要体现数据的可变性、当前性、稳定性、汇总度上。

由于 ODS 仍然存储在普通的关系数据库中，出于性能、存储和备份恢复等数据库的角度以及对源数据库的性能影响角度，个人不建议 ODS 保存相当长周期的数据，同样 ODS 中的数据也尽量不做转换，而是原封不动地与业务数据库保持一致。即 ODS 只是业务数据库的一个备份或者映像，目的是为了使数据仓库的处理和决策支持要求与 OLTP 系统相隔离，减少决策支持要求对 OLTP 系统的影响。

为什么需要有一个 ODS 系统呢？一般在带有 ODS 的系统体系结构中， ODS 都具备如下几个作用：

1 ） 在业务系统和数据仓库之间形成一个隔离层。

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，从这些业务系统对数据进行抽取并不是一件 容易的事。因此， 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，而主要关注数据抽取的接口、数据量大小、抽取方式等方面的问题。

2 ） 转移一部分业务系统细节查询的功能

在 数据仓库建立之前，大量的报表、分析是由业务系统直接支持的，在一些比较复杂的报表生成过程中，对业务系统的运行产生相当大的压力。 ODS 的数据从粒度、 组织方式等各个方面都保持了与业务系统的一致，那么原来由业务系统产生的报表、细节数据的查询自然能够从 ODS 中进行，从而降低业务系统的查询压力。

3 ） 完成数据仓库中不能完成的一些功能。

一 般来说，带有 ODS 的数据仓库体系结构中， DW 层所存储的数据都是进行汇总过的数据和运营指标，并不存储每笔交易产生的细节数据，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，而且 ODS 的数据模型按照面向主题的方式进行存储，可以方便地支持多维分析 等查询功能。即数据仓库从宏观角度满足企业的决策支持要求，而 ODS 层则从微观角度反映细节交易数据或者低粒度的数据查询要求。

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 ODS 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。这样的数据仓库的存储压力和性能压力都是比较大的，因此对数据仓库的物理设计和逻辑设计提出了更高的要求。