1 概述
系统应用集成中一般对各系统中数据分为两类
操作型数据：它有细节化，分散化的特点
决策型数据：它有综合化，集成化的特点
数据仓库概念的提出也把数据处理划分为了操作型处理和分析型处理两种不同类型，从而建立起了DB-DW的两层体系结构。但是有很多情况，DB-DW的两层体系结构并不能涵盖企业所有的数据处理要求,比如有些实时性决策问题,它要求获取数据周期不能太长,而且也需要一定程度的汇总。这样的问题可以借助于DB-DW的中间层ODS（操作数据存储）来解决。它象DW一样是一种面向主题，集成的数据环境，又象操作型DB一样包含着全局一致的，细节的当前的数据。我们看下常用的几种系统应用集成需求：
我要了解企业目前的运转情况！（实时监控）
我要知道某地区近5年内的销售情况以制定未来的发展策略！（决策支持）
我要知道哪些是值得发展的优质的顾客！（预测）
提供企业内部和外部的有用信息以支持中期或远期决策
提供事实的全局信息进行实时监控与临时决策
要满足上面所有的需求,不管是传统的OLTP系统还是已经集成的数据仓库,都是很难完成任务的。由于这些原因，ODS应运而生。ODS可以看做是围绕主题进行动态整合的一种应用型体系结构,它有如下一些特点：
从应用子系统获取数据
提供几乎精确到每秒的企业整体应用状态
数据一旦过期就将转入DW
实时决策与预警提示
使用者多为前端业务人员
2 DW与ODS比较:
|
|
数据仓库 |
ODS |
|
目的 |
决策支持 |
接近实时监控 |
|
共同点 |
整合数据 |
整合数据 |
|
|
面向主题 |
面向主题 |
|
不同点 |
静态数据
（延迟>24小时) |
动态数据
(延迟>1秒） |
|
|
历史数据 |
当前数据 |
|
|
概括性数据 |
细节化数据 |
3 应用集成方案比较
|
实施方案 |
实施结果 |
优势 |
缺陷 |
|
数据仓库(DW) |
企业能够分析DW中的历史数据，进行中远期的规划 |
可以解决企业的决策需求 |
不能满足企业的实时监控和实时业务需求
|
|
操作型数据存储(ODS) |
企业能够把握ODS中的当前综合数据，对企业的及时运行情况随时掌控 |
可以满足企业的实时监控和实时业务需求
|
不能满足企业的中远期决策需求 |
|
DW+ODS(如下图) |
企业能够分析ODS中的当前综合数据，对企业当前运行情况进行宏观控制;能够分析DW中的历史数据，对未来进行合理规划 |
既能把握实时的企业运作情况，采取及时的应对措施;又能把握历史纵向概况，进行远期战略规划 |
|
图1 ODS+DW方案
4 三种类型的ODS:
类型一：以几秒为间隔的更新（非常贵、不常用、数据整合能力弱）
类型二：以约1小时为间隔的更新（常用、数据整合能力较强）
类型三：以约1天为间隔的更新（常用、数据整合能力较强）
ODS技术的引入和应用，为企业在日常经营中进行即时OLAP提供了一种解决方案使得企业无须建立一个“臃肿”的DW，就可以进行一些非战略性的的中层决策，来实现对企业的日常管理和控制，同时也能获得较快的响应速度
| 
博客登陆
我的分类（专题）
最新日志
最新评论
留 言 板
友情链接
日志信息
[Nirvana 发表于 2006-9-3 20:45:14]
