大数据架构（二）大数据发展史

1.传统数仓发展史

传统数据仓库的发展史这里不展开架构细讲，只需快速过一遍即可。了解这个历史发展过程即可。

1.1 传统数仓历史

1.1.1 5个时代

　传统数仓发展史可以称为5个时代的经典论证战。按照两位数据仓库大师 Ralph kilmball、Bill Innmon 在数据仓库建设理念上碰撞阶段来作为小的分界线：

• 1970～1991 数据仓库概念萌芽到全企业集成。

• 1991～1994 EDW企业数据集成时代。Bill Innmon 博士出版了《如何构建数据仓库》，范式建模。

• 1994～1996 数据集市时代。 Ralph Kimball 博士出版了《数据仓库工具箱》，里面非常清晰的定义了数据集市、维度建模。

• 1996～1997 神仙大战时代（维度建模与范式建模争论）

• 1998～2001 合并时代，CIF架构。Bill Innmon推出了新的BI架构CIF（Corporation information factory），把Kimball的数据集市也包容进来了，第一次，Kimball承认了Inmon。

1.1.2 经典争论

如果说，Hans Peter Luhn和Howard Dresner，一个为了文本挖掘，一个为了企业管理中的信息民主，而定义了BI（智能商业）的话。那么Bill Inmon 和Ralph Kimball，这2位大师则通过不同理念，设计技术和实施策略使BI从定义落地为真实。两位大师在1991-2001，引领了传统数仓发展的一个时代。

。

　Bill Innmon和Ralph kilmball论证的核心在于EDW（企业级数据仓库）和数据集市的建立先后顺序（也可以理解为范式建模和维度建模的争论）。

• Bill Inmon 提出自上而下的建设原则（EDW->DM）：提倡先数据模型创建企业级数据仓库EDW（3NF范式建模）后，再建数据集市（DM）。
• Ralph kilmball 提出自下而上的建设原则(DM->EDW)：提倡先创建数据集市，认为数据仓库是数据集市的集合，信息总是被存储在多维模型（维度建模）中。后期可根据需要来合并数据集市，并逐步形成企业级的数据仓库（EDW）。

两种方法的明细区别如下表（摘自网络）：

1.2 传统数据仓库架构史

　　伴随着kilmball和Innmon的经典争论，诞生了三代典型数据仓库架构（网上有些文章把Opdm操作型数据集市架构定义为第四代数据仓库架构，笔者不认可这一架构能和另外3个并列，故删之），分别是：

• 企业级数据仓库架构（Enterprise Data Warehouse，EDW）-BIll Inmon
• Kilmball DW/BI（Multidimensional Architecture，MD）-Ralph kilmball
• 企业信息工厂架构（Corporate Information Factory，CIF）-BIll Inmon

1.2.1 企业级数据仓库架构（Enterprise Data Warehouse，EDW）-BIll Inmon

　　90 年代 BIll Inmon 出版《如何构建数据仓库》一书体系化的与明确定义了如何构建数据仓库，这套方法在落地上形成了第一代数据仓库架构。书中定义：数据仓库(Data Warehouse) 是一个面向主题的(Subject Oriented) 、集成的( Integrate ) 、相对稳定的(Non -Volatile ) 、反映历史变化( Time Variant) 的数据集合，用于支持管理决策（ Decision Marking Support）。具体如下图所示：

从左至右依次是数据源、数据清洗、数仓、应用。

核心原理：

• 数据仓库是面向主题的。
• 数据仓库是集成的，数据仓库的数据有来自于分散的操作型数据，将所需数据从原来的数据中抽取出来，进行加工与集成，统一与综合之后才能进入数据仓库。
• 数据仓库是不可更新的，数据仓库主要是为决策分析提供数据，所涉及的操作主要是数据的查询。
• 数据仓库是随时间而变化的，传统的关系数据库系统比较适合处理格式化的数据，能够较好的满足商业商务处理的需求，它在商业领域取得了巨大的成功

1.2.2 Kimball DW/BI架构（Multidimensional Architecture，MD）-Ralph kimball

　　第二代就是 Kimball DW/BI架构。又称Multidimensional Architecture（MD）多维架构，或Bus Architecture总线架构。即从业务或部门入手，设计面向业务或部门主题数据集市。（网上大部分都说Kimball的数据集市架构，笔者不赞同。Kimball提倡的是维度建模、总线架构思想。Kimball架构甚至都不包含物理的数据集市，而是逻辑概念上的）Kimball DW/BI架构从流程上看是是自底向上的，即从数据集市到数据仓库(DM->DW)的一种敏捷开发方法。这种构建方式可以不用考虑其它正在进行的数据类项目实施，只要快速满足当前部门的需求即可，这种实施的好处是阻力较小且路径很短。

　　核心原理：一致性维度建模（总线型架构）+ 基于企业总线的数据仓库

　　但是考虑到在实施中可能会存在多个并行的项目，是需要在数据标准化、模型阶段是需要进行维度归一化处理，需要有一套标准来定义公共维度，让不同的数据集市项目都遵守相同的标准，在后面的多个数据集市做合并时可以平滑处理。比如业务中相似的名词、不同系统的枚举值、相似的业务规则都需要做统一命名，这里在现在的中台就是全域统一ID之类的东西。具体如下图所示：

注意：kimball架构的数据仓库是没有实际存在数据集市的，如果非要区分，可以通过主题域划分获取自己的数据集市。（比如上图的维度数仓下的交易域数仓，可以理解为逻辑上的数据集市。预留数据集市飞机票//TODO）

1.2.3 企业信息工厂架构（Corporate Information Factory，CIF）-BIll Inmon

　　第三代架构就是CIF架构，CIF强制引入了一层规范化的、原子的（满足第三范式）企业数据仓库EDW。这一层承担了数据协调和集成的职责。Inmon 模式从流程上看是自顶向下的，即从数据仓库再到数据集市的（DW->DM）。

　　核心原理：Inmon EDW企业数仓（遵循3NF）+ 数据集市。具体如下图所示：

 

混合架构（CIF+Kimball，CIF2.0）

　　混合架构是CIF架构的变种，可以认为是CIF2.0架构。BIll Inmon把Kimball的多维架构融入进来（据说Inmon很生气，没能说服Kimball,一气之下把Kimball架构也融进去了...）。并限定EDW不对外提供查询能力，其中的数据是维度的、原子的、以过程为中心的。这种架构主要适用于前期已经购入建设了原子级的EDW，但尚无法满足用户的灵活的分析需求，在这种情况下可以采用这种架构，算是一种无奈之举。 缺点很明显，EDW和维度数仓数据冗余造成资源浪费，架构复杂导致人力成本较高。

　　核心原理：Inmon EDW企业数仓（遵循3NF）+ Kimball 维度数仓（一致性维度）