什么是数仓？和数据库有什么区别
数据库是按照结构来组织存储数据的仓库，用户可以对其中的数据进行增删改查操作，数据库主要是面向事务处理任务。数据库的数据多是面向业务的，对企业战略决策信息作用有限。原因大致有
1.一个企业中，数据分散在不同的系统中，甚至可能存储在不同的数据库里。比如说核心系统用的mysql，客户系统在oracle当中。
2.关系型数据库存储的一半是业务数据，不包含趋势变化，用户行动轨迹。比如用户浏览A界面，看到商品B，到B界面看到商品C后下单，关系型数据库可以知道下单了C，但是一般不会存储用户下单前的轨迹信息。但是这些信息对企业来说可能很有作用
3.决策者可能得从多个角度去观察数据，年月日，季度，国家地区等等，关系型数据库并不适合各种角度的分析。
数据仓库（Data WareHouse,DW / DWH），数据仓库是面对主题的，集成的，稳定的，反应历史变化信息的数据集合，可以对管理者进行决策支持。
数据仓库将各个系统的数据收集起来，进行数据清洗，管理，找出战略决策信息。
DW 特点
面向主题
主题指的是数据仓库决策时关心的重点方面，一个主题可能与多个信息系统相关，如图的保险主题就涉及了养老保险、医疗保险、汽车保险等多个系统
数据集成
数仓当中的数据是对原有的数据进行抽取、清洗的基础上，进行加工汇总整理得到的，会消除数据源的不一致性。比如在某个系统中，性别是男，在其他系统中是 1，DW拿到数据后就会将其统一。
相对稳定
数仓一般不进行更新和删除操作，历史数据一般都会被长期保留。也就是说数仓中有大量的查询操作，基本上没有更新删除操作。例如，在关系型数据库中，用户状态在线离线无非更新一下状态，但是DW中每次都会新增一条数据，不会更新状态，这样更方便分析用户行为
反应历史变化
DW中一般都会包含历史信息，从某个节点到当前各个阶段的信息，通过这些信息来制定规划或者智能推荐等。
DW建模
Bill Inmon模型
Bill Inmon 首先提出了建模方法，由数据库到dw到数据集市（提供服务）Inmon的建模方法使得数据符合数据库三范式，但是设计困难，开始时没能成功
Ralph Kimball 模型
Kimball主张自下而上的建立数据仓库，极力推崇建立数据集市，但因此数据一致性也往往有问题。
Bill Inmon CIF(Corporation information factory) 维度建模
Bill Inmon最终结合两派优点，提出了维度建模的概念。这种方法的最被人广泛知晓的名字就是星型模式（Star-schema）、雪花模型（Snow-schema）。
即通过一张事实表和多张维度表。事实表由维度列和度量列组成，发生在现实世界中的操作型事件，其所产生的可度量数值，存储在事实表中。
维度表包含了维度的每个成员的特定名称。维度成员的名称称为“属性”(Attribute)。
维度模型的优缺点大致如下：
1、数据冗余小（因为很多具体的信息都存在相应的维度表中了，比如客户信息就只有一份）
2、结构清晰（表结构一目了然）
3、便于做OLAP分析（数据分析用起来会很方便）
4、扩展性好
5、增加使用成本，比如查询时要关联多张表
6、如果只是依靠单纯的维度建模， 不能保证数据来源的一致性和准确性，而且在数据仓库的底层，不是特别适用于维度建模的方法。
