vlambda博客
学习文章列表

0x00 前言

最近群里很多小伙伴都问了数据库和数据仓库的区别是什么，因此将之前写过的文章给大家再分享一遍。

很多文章再解释概念的时候，会比较抽象，因为越抽象的文字越不容易被挑战其中错误。我这里为了让大家容易理解一些，会放弃一些严谨性，从更感官地的角度描述个人的理解。

正式开始之前，简单说一下两者的区别：

1. 我们现在大部分童鞋说的数据库，一般是指Mysql、SqlServer、Oracle这些数据库软件，它们的作用是存储我们的个人信息和一些交易类数据。比如你在某团或者某宝里面的个人信息，这些你会做修改，一般存放在业务数据库中。
2. 数据仓库呢，一般是指一套管理+组织+分析数据的方法论，承载数据仓库的软件，在互联网行业中一般是Hive为主流。它一般存放的是行为类数据，比如你点击一次网页，这些都会被记录下来存放在数据仓库中，当然个人信息一般也会从业务数据库同步一份到数据仓库中。这些数据主要用来做分析使用。

好了，有了这些简单的描述了，大家就可以继续往下看了。

0x01 概念上的区别

数据库，简而言之可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据进行新增、截取、更新、删除等操作。————百度百科

数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。————百度百科

直观上理解：相同点是两者都是存储数据。不同点是数据库主要是基本的、日常的事务处理，例如银行交易；数据仓库，支持复杂的分析操作，侧重决策支持。

0x02 举个例子

举个最常见的例子，以我们常举例的电商来讲，我们侧重于从没有数据仓库到有数据仓库的演变阶段：

第一阶段：无分析需求阶段

电商早期，基本不需要太多数据分析，先跑起来系统就行，这时候买一套电商系统，搞点服务器，加一两个研发就能跑起来了。这时候对数据的需求就是只需要有个数据库就行。最多就是看看营业额就够，不需要数据仓库。

第二阶段：简单统计需求阶段

网站做大后流量来了，客户和订单都多起来了，普通查询已经有压力了，这个时候就需要升级架构变成多台服务器和多个业务数据库（量大+分库分表），这个阶段的业务数字和指标还可以勉强从业务数据库里查询。

此时仍不太需数据仓库，数据库勉强够用，定时从从库里面统计数据就可以。

第三阶段：复杂统计需求阶段

随着业务指数级的增长，数据量的会陡增，数据来源也越来越多样，这时已经不单单是交易类数据了，用户点击、和图片等数据都多了起来。

同时公司角色也开始多了起来，开始有了 各种老板，各种运营、市场、产品的同学，大家需要面临的问题越来越复杂，越来越深入，对数据的需求也越来越复杂。而复杂的分析类计算势必会对线上的数据库造成影响。

因为，**业务数据库中的数据结构主要是为了完成交易而设计的，不是为了而查询和分析的便利设计的。**业务数据库大多是读写优化的，即又要读，也要写。

因此对于大量数据的读操作和复杂计算是支持不足。而怎么解决这个问题，此时我们就需要建立一个数据仓库了。

0x03 技术上的区别

有了上面的分析，大家可能感觉还是比较虚，那我们举一些现实工作中遇到的技术，来看一下数据库和数据仓库的区别：

• 流行的数据库：MySQL、Oracle、SqlServer等
• 流行的数据仓库：Hive、Impala、Greenplum等

划分并不绝对，比如很多公司也会用Oracle来做数据仓库，但是基本没有公司用Hive来当作业务库来使用。

0x04 模型上的区别

关于模型的区别，我写过一篇文章专门分析数据仓库和数据库建模的区别，可以参考。

0xFF 总结

总结一下：

1. 数据库是面向事务的设计，数据仓库是面向主题设计的。
2. 数据库一般服务于业务系统的，数据仓库一般是服务于分析系统的。
3. 数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。
4. 数据库设计是尽量避免冗余，数据仓库在设计是有意引入冗余。
5. 数据库是为捕获数据而设计，数据仓库是为分析数据而设计。

2. 点击【系列文章】

3. 点击【数据百问】

4. Enjoy～