# 0x00 前言 > 学的越深越能体会到自己的无知，理解的越深刻越不敢张口说自己是搞这一行的。 把之前写的数据仓库系列博客，汇总和整理成了一本更系统的小书《Data Warehouse in Action》。 <!-- more --> # 0x01 大数据和数据仓库 16 年开始接触数据仓库，至今有一年半的时间，中间换了次工作，也算是在两家公司实践了数据仓库。在此随便写一点关于大数据和数据仓库的东西。 其实，很多时候大数据和数据仓库这些都是一些概念使然，个人不太认为某一个概念比另一个概念厉害多少，大家是你中有我我中有你的关系。 就拿大数据来讲，13年的时候我们会讲，大数据包括了数据清洗、数据存储、数据仓库、数据挖掘、数据分析、数据可视化等一系列的概念。再看数据仓库的概念，随便找本十多年前的经典书籍就会发现，数据仓库包含了 ETL、元数据、数据血缘管理、调度系统、数据可视化等概念。 那么谁更大？谁更厉害？这个其实不是我们的重点，这些东西最终还是要落在具体的工作和技术上。 比如说我是搞大数据开发中的数据收集、数据清洗工作，换一个名字我就可以说自己是搞 ETL 开发的；然后我再了解一些数据仓库建模的内容，将自己的数据清洗的工作套上数据仓库中的模型设计和数据分层，我就可以说自己是搞数据仓库的。 再比如说我之前是搞数据仓库的元数据系统、血统分析、调度系统的，然后同样的理论模型，使用场景从 Oracle、Mysql这些关系型数据库转移到 HDFS、Hive、Spark 中，我就变成了大数据开发中的系统开发了。 其实很多工作内容和工作性质都很相近，自己灵活一点就好。 # 0x02 数据仓库 数据仓库的内容很多，这里主要对数据仓库的体系做一个小的说明，算是这系列博客的总览。 我们粗略地从数据仓库中抽取几个主题来聊：ETL、数据模型、元数据管理。 其中 ETL 的内容和现在大数据的体系绑定最深。MapReduce、Spark 这些计算引擎都可以算是 ETL 的重要组成部分。 数据模型的话，我们把维度建模、数据分层、各种表结构设计放在其中。这一块算是数据仓库中最重要的一块。 元数据，我们可以理解为数据的管理。 针对上面三个主题，本系列文章有下面内容： - 数据仓库中的模型设计 - 详解唯独建模 - 拉链表是什么 - 缓慢变化维度 - 如何优雅地设计数据分层 - 别人家的元数据系统是怎么设计的 - 数据质量监控 - 聊一聊ETL的设计 - 重要的代理键 - 时间维表的实践 # 0xFF 总结 从工作内容上来讲，我们会把数据分为数据开发、数据分析、数据仓库、数据挖掘的话。 很多人觉得高大上的是数据挖掘，觉得工程最强的是数据开发。 换一个角度，我们从数据的角度来讲的，我们会把数据分为：**数据计算、数据价值和数据管理**。我们很多是以数据价值为导向地来做数据计算，但是往往会忽略数据管理，而数据仓库的理念恰恰是数据管理。因此可以在适当的业务阶段来重视数据管理。 *其实写点博客，本来也就没什么利益可图，自己写了算是一个总结，因此有不严谨有胡扯。互相能有收获就是最好的结果。*