作者：禅与计算机程序设计艺术

数据仓库是一个集成的、面向主题的、中心化的、支持多种数据源（比如结构化、非结构化、半结构化、时间序列等）、易于查询的存储区域。作为一种大规模数据仓库，其管理和维护往往需要有针对性地设计数据建模方法、分层模型、ETL工具和规范，还需考虑可扩展性、数据质量保证、数据治理、监控等方面的问题。数据仓库的可扩展性可以说是关键，因为随着业务系统的不断发展和业务量的增长，数据仓库也会变得越来越庞大、越来越复杂，难以持续满足业务需求。而如何才能实现数据仓库的可扩展性，并且在数据治理上达到一定的自动化水平呢？本文将阐述数据仓库可扩展性在企业级应用中的具体实践经验，讨论数据仓库如何从单个数据仓库逐渐演进到多维数据仓库、OLAP Cube，提出数据架构的优化方案，并基于这些方案提供一个可扩展的方案框架和执行指南。

2.基本概念术语说明

数据仓库（Data Warehouse）

数据仓库，又称为星型模式或雪花模型，是企业信息的集中存放地点。它是集成的、面向主题的、中心化的、支持多种数据源的、易于查询的存储区域，具备高度的分析处理能力。数据仓库的目的就是要对业务数据进行整合、汇总、存储、报告、分析、决策支持。其包含了企业中最核心的、日常运行所必需的信息，包括业务活动记录、物料库存、订单交易等，通过对这些数据进行综合处理、汇总分析后，提供给各级领导和决策者做更加科学、全面、及时的数据分析支持。因此，数据仓库的主要作用是对数据的中心化和集成、数据质量的保证、数据分析结果的准确性。

可扩展性（Scalability）

可扩展性即随着工作量的增加

相关文章

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：