換個角度看大數(shù)據(jù)和數(shù)據(jù)倉庫，了解大數(shù)據(jù)

0x00 前言
有關(guān)很多學大數(shù)據(jù)人常說的一句話就是學的越深越能體會到自己的無知，理解的越深刻越不敢張口說自己是搞這一行的。就是那種照著你所知道的你還是不知道的感覺。所以今天這篇文章深入淺出的了解一下大數(shù)據(jù)和數(shù)據(jù)倉庫。

把之前寫的數(shù)據(jù)倉庫系列博客，匯總和整理成了一本更系統(tǒng)的小書《Data Warehouse in Action》。

0x01 大數(shù)據(jù)和數(shù)據(jù)倉庫

16 年開始接觸數(shù)據(jù)倉庫，至今有一年半的時間，中間換了次工作，也算是在兩家公司實踐了數(shù)據(jù)倉庫。在此隨便寫一點關(guān)于大數(shù)據(jù)和數(shù)據(jù)倉庫的東西。

其實，很多時候大數(shù)據(jù)和數(shù)據(jù)倉庫這些都是一些概念使然，個人不太認為某一個概念比另一個概念厲害多少，大家是你中有我我中有你的關(guān)系。

就拿大數(shù)據(jù)來講，13年的時候我們會講，大數(shù)據(jù)包括了數(shù)據(jù)清洗、數(shù)據(jù)存儲、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)可視化等一系列的概念。再看數(shù)據(jù)倉庫的概念，隨便找本十多年前的經(jīng)典書籍就會發(fā)現(xiàn)，數(shù)據(jù)倉庫包含了 ETL、元數(shù)據(jù)、數(shù)據(jù)血緣管理、調(diào)度系統(tǒng)、數(shù)據(jù)可視化等概念。

那么誰更大？誰更厲害？這個其實不是我們的重點，這些東西最終還是要落在具體的工作和技術(shù)上。

比如說我是搞大數(shù)據(jù)開發(fā)中的數(shù)據(jù)收集、數(shù)據(jù)清洗工作，換一個名字我就可以說自己是搞 ETL 開發(fā)的；然后我再了解一些數(shù)據(jù)倉庫建模的內(nèi)容，將自己的數(shù)據(jù)清洗的工作套上數(shù)據(jù)倉庫中的模型設計和數(shù)據(jù)分層，我就可以說自己是搞數(shù)據(jù)倉庫的。

再比如說我之前是搞數(shù)據(jù)倉庫的元數(shù)據(jù)系統(tǒng)、血統(tǒng)分析、調(diào)度系統(tǒng)的，然后同樣的理論模型，使用場景從 Oracle、Mysql這些關(guān)系型數(shù)據(jù)庫轉(zhuǎn)移到 HDFS、Hive、Spark 中，我就變成了大數(shù)據(jù)開發(fā)中的系統(tǒng)開發(fā)了。

其實很多工作內(nèi)容和工作性質(zhì)都很相近，自己靈活一點就好。

0x02 數(shù)據(jù)倉庫

數(shù)據(jù)倉庫的內(nèi)容很多，這里主要對數(shù)據(jù)倉庫的體系做一個小的說明，算是這系列博客的總覽。

我們粗略地從數(shù)據(jù)倉庫中抽取幾個主題來聊：ETL、數(shù)據(jù)模型、元數(shù)據(jù)管理。

其中 ETL 的內(nèi)容和現(xiàn)在大數(shù)據(jù)的體系綁定最深。MapReduce、Spark 這些計算引擎都可以算是 ETL 的重要組成部分。

數(shù)據(jù)模型的話，我們把維度建模、數(shù)據(jù)分層、各種表結(jié)構(gòu)設計放在其中。這一塊算是數(shù)據(jù)倉庫中最重要的一塊。

元數(shù)據(jù)，我們可以理解為數(shù)據(jù)的管理。

針對上面三個主題，本系列文章有下面內(nèi)容：

數(shù)據(jù)倉庫中的模型設計詳解唯獨建模拉鏈表是什么緩慢變化維度如何優(yōu)雅地設計數(shù)據(jù)分層別人家的元數(shù)據(jù)系統(tǒng)是怎么設計的數(shù)據(jù)質(zhì)量監(jiān)控聊一聊ETL的設計重要的代理鍵時間維表的實踐
0xFF 總結(jié)

從工作內(nèi)容上來講，我們會把數(shù)據(jù)分為數(shù)據(jù)開發(fā)、數(shù)據(jù)分析、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘的話。 很多人覺得高大上的是數(shù)據(jù)挖掘，覺得工程最強的是數(shù)據(jù)開發(fā)。

我們可以換角度而言之，我們從數(shù)據(jù)的角度來講的，我們會把數(shù)據(jù)分為：數(shù)據(jù)計算、數(shù)據(jù)價值和數(shù)據(jù)管理。我們很多是以數(shù)據(jù)價值為導向地來做數(shù)據(jù)計算，但是常常就會忽略數(shù)據(jù)管理，而數(shù)據(jù)倉庫的理念剛好是數(shù)據(jù)管理。因此可以在適當?shù)臉I(yè)務階段來重視數(shù)據(jù)管理。

作者：黑馬程序員云計算大數(shù)據(jù)培訓學院
首發(fā)：http://cloud.itheima.cn/