随着市场竞争的加剧和信息社会需求的发展，从大量数据中提取(检索、查询等) 制定市场策略的信息就显得越来越重要了。这种需求既要求联机服务，又涉及大量用 于决策的数据，而传统的数据库系统已无法满足这种需求。其具体体现在三个方面：
历史数据量很大。
辅助决策信息涉及许多部门的数据，而不同系统的数据难以集成。
由于访问数据的能力不足，它对大量数据的访问性能明显下降。
随着C/S技术的成熟和并行数据库的发展，信息处理技术的发展趋势是从大量的事务型数据库中抽取数据，并将其清理、转换为新的存储格式，即为决策目标把数据聚合在一种特殊的格式中。随着此过程的发展和完善，这种支持决策的、特殊的数据存储即被称为数据仓库(Data Warehouse， DW)。
W。H。Inmon对数据仓库的定义为数据仓库是支持管理决策过程的、面向主题的、集成的、稳定的、不同时间的数据集合。
主题是数据归类的标准，每个主题对应一个客观分析领域，如客户、商店等，它可为辅助决策集成多个部门不同系统的大量数据。数据仓库包含了大量的历史数据，经集成后进入数据仓库的数据是极少更新的。数据仓库内的数据时限为5年至10年，主要用于进行时间趋势分析。数据仓库的数据量很大，一般为10GB左右。它是一般数据库(100MB)数据量的100倍，大型数据仓库达到TB级。
数据仓库主要应用在两个方面：
使用浏览分析工具在DW中寻找有用的信息。
数据仓库系统支持在DW上的应用，形成决策支持系统(DSS)。
转载于:https://www.cnblogs.com/aspnetx/archive/2006/11/13/559276.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/111128.html原文链接：https://javaforall.net
