数据仓库和多维数据库的区别在哪里

数据仓库

数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。

数据仓库是决策支持系统（dss）和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。数据仓库 ，由数据仓库之父比尔·恩门（Bill Inmon）于1990年提出，主要功能仍是将组织透过资讯系统之联机事务处理（OLTP）经年累月所累积的大量资料，透过数据仓库理论所特有的资料储存架构，作一有系统的分析整理，以利各种分析方法如联机分析处理（OLAP）、数据挖掘（Data Mining）之进行，并进而支持如决策支持系统（DSS）、主管资讯系统（EIS）之创建，帮助决策者能快速有效的自大量资料中，分析出有价值的资讯，以利决策拟定及快速回应外在环境变动，帮助建构商业智能（BI）。

多维数据库

多维数据库（Multi Dimensional Database，MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。

多维数据库是指将数据存放在一个门维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。

数据仓库和多维数据库的区别

数据仓库中广泛采用的数据库设计模型有两种：关系型和多维型。普遍认为在数据仓库的设计方法中关系模型是“Inmon”方法而多维模型是“Kimball”方法。

先来看下关系模型，关系型数据以一种称为“标准化”的形式存在。数据标准化是指数据库设计会使数据分解成非常低的粒度级，标准化数据以一种孤立模式 存在，这种情况下对数据表里的数据关系要求很严格。一般遵循3NF范式。采用关系型设计的数据库一般具有较强的灵活性和多功能性（可以支持数据的多种视 图）。

再来看下多维模型，多维模型一般有星型模式、雪花模式、混杂模式（又叫星系模式）。多维模型设计的最大优点在于访问的高效性。

两种模型的区别

作为数据仓库设计的基础，星形连接和关系型结构两者之间存在很多不同。最重要的区别是在灵活性和性能方面。关系模型具有高灵活性，但是对用户来说在性能方面却不是很理想的。多维模型在满足用户需求方面是非常高效的，但是灵活性不好。

另一重要区别在于设计的范围不同。必然地，多维设计只能在有限的范围内进行，也就是说，数据库设计只能在一组请求过程下得到最优化。如果所有不同组请求全部加入到设计当中，最优化变得毫无意义。

当使用关系模型时，在性能方面没有特别的优化方法。既然关系模型要求数据以最低粒度级存储，那么就可以无限制地添加新数据。很显然，添加数据到关系 模型永远也不会停止。正因为这样，关系模式适合大范围数据（如一个企业模型），而多维模型适用于小范围数据（如一个部门或甚至一个子部门）。

区别的起源：

关系环境是通过起源数据模型设计出来的。多维模型是根据最终用户的请求塑造的。换句话说，关系模型通过纯数据模型和其他模式设计，而多维模型通过处理请求塑造。

在适用性方面：由于关系模型通过抽象数据形成，所以模型自身非常灵活。但这种灵活性，对于直接数据访问的执行却不是最优化的。如果想得到一个高性能的关系模型，最佳方法是从模型中抽取出数据，并重新构造一种适合于快速访问的模式。

多维模型在直接访问数据方面是快速而高效的。从体系结构观点来看，在数据仓库设计基础方面关系模型是更好地支持数据仓库的模式，其原因是，数据仓库需要根 据不同的议程和多种观察数据的方式来支持许多不同的用户组。也就是说，数据仓库对于访问已给定的用户并不是最佳的。相反，数据仓库可以以多种方式支持多个 不同的用户。

关系模式，数据以最低粒度级和标准化形式存储；关系表间的关系已经定义好并且包含一个含有外键的关键字表；新表可以对关系表中的基本数据集定义新的 汇总和筛选标准；也就是说可以很简单以一种形式创建关系表，再以另一种形式重新塑造这些表，这样做对于数据仓库环境来说是非常理想的。

此外，关系模式支持将来未知的需求、支持适度变化的需求方面具有多维模型无法比拟的优势。

因此根据上面讨论过的原因可以看出：关系模型对数据仓库是理想的基础，而星形连接对于数据集市是最佳的。

独立集市和从属集市的区别：

独立集市是指直接通过历史应用创建的数据集市。建立独立数据集市不需要有“全局思想”考虑。

与独立数据集市相对应的是从属数据集市。从属数据集市是利用来自数据仓库的数据建立的。它的数据源不依赖与历史数据或操作型数据，只依赖于数据仓库。总之，从属数据集市要求有预先的计划、长期的观察、全局的分析和企业各不同部门对需求分析的合作与协调。

建立多个独立数据集市后，很快用户就会发现数据集市之间的信息不统一，也不同步，而且每增加一个数据集市就会出现不断增长的细节数据冗余的问题，需要大量的资源来建立接口程序，维护这些程序也变成了负担。因此独立数据集市不适合与解决企业中的信息问题。

当然，如果企业采用了从属数据集市，并在建立任何数据集市之前先创建了一个数据仓库，那么，独立数据集市固有的哪些体系结构方面的问题就不会出现了。

换句话说，独立数据集市表示的是不需要顾及全局及全景的一个短期的、有限范围的解决方法。另一方面，从属数据集市则要求一个长期和全局的展望。但是独立数据集市不能为企业信息提供一个坚实的基础，而从属数据集市确能为信息决策提供了一个真正的长期基础。