从生命周期的角度来考虑数据仓库架构

wangzheng3056

业界建设DW有20多年了，国内从开始商业尝试也有10来年了，多种实施方案讨论不绝，但是很少有从生命周期的角度来讨论的，要知道生命周期决定了一方法论的使用周期和范围、投资回报比、适用行业和客户情况等等，这也是为什么当初多家争鸣（主要是两家）没有个结论的主要原因。

从技术上来说（不考虑客户需求和投资的纯技术角度的话），近3NF的EDW最稳固，其次是Kimball的统一维度模型存储的DW，再次是大家公认的DM。

那么从生命周期来看呢？我们来看一个业界典型的混合架构的成功案例。该项目目前整体生命周期为9年，几乎每2-3年DM需要重组一次，以满足企业BI效率、分析个性化等变化需求。统一维度数据仓库使用7年后渐显疲惫，于是在第8年开始开展大规模的维度模型的数据仓库架构重组，原因很简单，虽然这个理论到目前来说是能满足企业信息一致、维度模型管理、维护的最佳设计方案，但由于维度模型的缺陷在于信息抽象后，随着数年的经历，变化太多，业务繁复，管理越来越难。不过至今唯一没变的是EDW。

从生命周期来看，维度模型数据仓库结合数据集市容易建设，但生命周期相对教短，在考虑数据集市生命周期一般2年左右的情况下，维度模型数据仓库必须2年内建设成熟，最好1年内建设成熟，成为成熟架构体系，否则你还未开始企业级多维架构的时候，数据集市已经又需要重建了，那时工作量可大了。

那么EDW呢？如果维度数据仓库建模水平不高，那还是尽快建设吧，刚才我举的例是顶级项目了，一般项目维度模型数据仓库达到5年都难，所以我建议维度数 据仓库使用2年后就有必要开始着手建设EDW，哪怕你觉得EDW用处不是很大，要知道当一个庞大的企业级多维仓库直接在业务系统或者ODS之上进行重 组，不仅仅耗费巨大，而且不容易成功。

有朋友说多维数据仓库不行了本来就要重建，有没有EDW有什么关系呢？首先有的行业本身就需要细节数据，EDW是一个很好的存储细节数据的平台，而且是企业级集成的平台。其次，在有个架构支撑的情况下重建，和没有架构支持重建，那是完全两回事。比如刚才我说的DM重组，在有维度数据仓库在架构上对DM的支持下，庞大的DM重组只用了少量的人力，3、4个月的时间就完成，如果没有前面统一维度数据仓库架构来支撑DM重组，后果不堪设想。

这里架构的作用，就是我上次提到的接口作用，你更上层应用的架构重组，但我底层架构的接口并没变，大大方便了应用层架构的重组的实现。