数据库和数据仓库有什么区别？

Question

数据库和数据仓库有什么区别？

它们不是相同的东西，或者至少是用相同的东西（即Oracle RDBMS）编写的吗？

Answer 1

查看此了解更多信息。

来自之前的链接：

数据库

1. 用于在线事务处理（OLTP）但可以用于其他目的，例如数据仓库。这会记录用户的数据以供历史记录。
2. 表和联接很复杂，因为它们是标准化的（对于 RDMS）。这样做是为了减少冗余数据并节省存储空间。
3. 实体 – 关系建模技术用于 RDMS 数据库设计。
4. 针对写操作进行了优化。
5. 分析查询的性能较低。

数据仓库

1. 用于在线分析处理(OLAP)。这会读取用户的历史数据以进行业务决策。
2. 表和连接很简单，因为它们是非规范化的。这样做是为了减少分析查询的响应时间。
3. 数据——建模技术用于数据仓库设计。
4. 针对读取操作进行了优化。
5. 分析查询的高性能。
6. 通常是一个数据库。

还需要注意的是，数据仓库可以源自零个到多个数据库。

Answer 2

从非技术角度来看：
数据库仅限于特定的应用程序或一组应用程序。

数据仓库是企业级数据存储库。它将包含来自所有/许多业务部门的数据。它将共享这些信息以提供业务的全球概况。这对于业务不同部门之间的整合也至关重要。

从技术角度来看：
“数据仓库”一词尚未给出公认的定义。就我个人而言，我将数据仓库定义为数据集市的集合。其中每个数据集市由一个或多个数据库组成，其中数据库特定于特定问题集（应用程序、数据集或流程）。

简单地说，数据库是数据仓库的一个组件。有很多地方可以探索这个概念，但由于没有“定义”，所以你给出的任何答案都会遇到挑战。

Answer 3

数据仓库是数据库的一种类型。

除了人们已经说过的之外，数据仓库往往是 OLAP，索引等调整为读取而不是写入，并且数据被非规范化/转换为更易于读取和存储的形式。分析。

有些人说“数据库”与 OLTP 相同，但事实并非如此。 OLTP 也是数据库的一种类型。

其他类型的“数据库”：文本文件、XML、Excel、CSV...、平面文件:-)

Answer 4

最简单的解释方法是，数据仓库不仅仅包含数据库。数据库是以某种方式组织的数据集合，但数据仓库是专门为了“促进报告和分析”而组织的。然而，这并不是故事的全部，因为数据仓库还包含“检索和分析数据、提取、转换和加载数据以及管理数据字典的方法也被认为是数据仓库系统的重要组成部分”。

数据仓库

Answer 5

数据仓库与数据库：数据仓库是专门为数据分析而设计的，其中涉及读取大量数据以了解数据之间的关系和趋势。数据库用于捕获和存储数据，例如记录交易的详细信息。

数据仓库：
合适的工作负载 - 分析、报告、大数据。
数据源 - 从多个来源收集并标准化的数据。
数据捕获 - 通常按照预定的批处理计划进行批量写入操作。
数据规范化 - 非规范化模式，例如星型模式或雪花模式。
数据存储 - 针对访问简单性和高速查询进行了优化。使用列式存储的性能。
数据访问 - 经过优化，可最大限度地减少 I/O 并最大限度地提高数据吞吐量。

交易数据库：
合适的工作负载 - 事务处理。
数据源 - 从单一来源（例如事务系统）按原样捕获的数据。
数据捕获 - 针对连续写入操作进行优化，因为新数据可用，以最大限度地提高事务吞吐量。
数据规范化 - 高度规范化的静态模式。
数据存储 - 针对单个面向行的物理块的高吞吐量写入操作进行了优化。
数据访问 - 大量小型读取操作。

Answer 6

数据库：-
OLTP（在线事务处理）

• 是当前数据、最新详细数据、扁平关系
  孤立的数据。
• 实体关系用于设计数据库数据库
• 大小100MB-GB简单事务或查询

数据仓库

• OLAP（在线分析过程）
• 它是关于历史数据星型模式，雪弯模式和星系
• 模式用于设计数据库
  数据仓库
• DB 大小 100GB-TB 改进的查询性能基础
  用于数据挖掘数据可视化
• 使用户能够更深入地了解和了解各种
  通过快速、一致、交互式访问了解公司数据的各个方面
  各种可能的数据视图

Answer 7

任何应用程序的数据存储通常都会使用数据库。它可以是关系数据库，也可以是当前流行的非 SQL 数据库。

数据仓库也是数据库。我们可以将数据仓库数据库称为专门用于公司分析报告目的的数据存储。
该数据用于关键业务决策。

组织好的数据有助于有效地报告和做出业务决策。

Answer 8

数据库：

用于在线事务处理 (OLTP)。

• 面向事务。
• 面向应用。
• 当前数据。
• 详细数据。
• 可扩展的数据。
• 许多用户、管理员/操作人员。
• 执行时间：短。

数据仓库：

用于在线分析处理 (OLAP)。

• 面向分析。
• 主题导向。
• 史料。
• 汇总数据。
• 静态数据。
• 管理员，用户不多。
• 执行时间：长。

Answer 9

数据仓库 (DW) 是收集和管理来自不同来源的数据以提供有意义的业务见解的过程。数据仓库通常用于连接和分析来自异构源的业务数据。数据仓库是BI系统的核心，是为数据分析和报告而构建的。

Answer 10

数据仓库的源可以是数据库集群，因为数据库用于在线事务处理，例如保存当前记录。但在数据仓库中，它存储用于在线分析处理的历史数据。

Answer 11

数据仓库是一种通常驻留在数据库中的数据结构。数据仓库是指数据模型以及存储在其中的数据类型 - 为实现分析目的而建模的数据（数据模型）。

数据库可以归类为容纳数据的任何结构。传统上，这将是 RDBMS，如 Oracle、SQL Server 或 MySQL。然而，数据库也可以是 NoSQL 数据库（如 Apache Cassandra），或列式 MPP（如 AWS RedShift）。

您会看到数据库只是一个存储数据的地方；数据仓库是一种存储数据的特定方式，具有特定的用途，即提供分析查询服务。

OLTP 与 OLAP 并没有告诉您 DW 和数据库之间的区别，OLTP 和 OLAP 都驻留在数据库上。它们只是以不同的方式存储数据（不同的数据模型方法）并服务于不同的目的（OLTP - 记录事务，针对更新进行优化；OLAP - 分析信息，针对读取进行优化）。

Answer 12

用简单的话来说：
数据软件-->海量数据用于分析/存储/复制和分析。
数据库-->对常用数据进行CRUD操作。

数据仓库是一种你日常不使用的存储。数据库是您经常打交道的东西。

例如。如果我们询问银行对账单，那么它会为我们提供过去 3/4/6/更多个月的信息，因为它位于数据库中。如果您想要更多，它存储在 Dataware house 上。

Answer 13

示例：一套房子价值 100,000 美元，并且每年以 1000 美元 的速度升值。

要跟踪当前的房屋价值，您可以使用数据库，因为该价值每年都会发生变化。

三年后，您将能够看到房屋的价值 $103,000。

要跟踪历史房屋价值，您将使用数据仓库，因为房屋的价值应为

$100,000 on year 0, 
$101,000 on year 1, 
$102,000 on year 2, 
$103,000 on year 3.