數(shù)據(jù)，對一個企業(yè)的重要性不言而喻，如何利用好企業(yè)內(nèi)部數(shù)據(jù)，發(fā)揮數(shù)據(jù)的更大價值，對于企業(yè)管理者而言尤為重要。作為最傳統(tǒng)的數(shù)據(jù)應用之一，數(shù)據(jù)倉庫在企業(yè)內(nèi)部扮演著重要的角色，構(gòu)建并正確配置好數(shù)據(jù)倉庫，對于數(shù)據(jù)分析工作至關(guān)重要。一個設計良好的數(shù)據(jù)倉庫，可以讓數(shù)據(jù)分析師們?nèi)玺~得水；否則可能使企業(yè)陷入無休止的問題之中，并在未來的企業(yè)競爭中處于劣勢。
我們注重客戶提出的每個要求，我們充分考慮每一個細節(jié)，我們積極的做好網(wǎng)站建設、網(wǎng)站設計服務，我們努力開拓更好的視野，通過不懈的努力，創(chuàng)新互聯(lián)公司贏得了業(yè)內(nèi)的良好聲譽，這一切，也不斷的激勵著我們更好的服務客戶。 主要業(yè)務：網(wǎng)站建設,網(wǎng)站制作,網(wǎng)站設計,小程序設計,網(wǎng)站開發(fā),技術(shù)開發(fā)實力，DIV+CSS，PHP及ASP，ASP.Net，SQL數(shù)據(jù)庫的技術(shù)開發(fā)工程師。
隨著越來越多的基礎設施往云端遷移，數(shù)據(jù)倉庫是否也需要上云？上云后能解決常見的性能、成本、易用性、彈性等諸多問題嗎？如果考慮上云，需要注意哪些方面？目前主流云廠商產(chǎn)品又有何特點？面對上述問題，本文嘗試給出一些答案，供各位參考。本文部分內(nèi)容參考了MIT大學教授David J.DeWitt的演講材料。
數(shù)據(jù)倉庫(DW)的建設方式有很多種，企業(yè)可以根據(jù)自身需求進行選擇。下圖簡單羅列了主要的DW建設方案并做出擴展對比。
1）商業(yè)方案
商業(yè)方案，是最為傳統(tǒng)的一種，也是過去20~30年的主流方式。企業(yè)外購數(shù)倉，包括軟、硬件一體交付。其典型產(chǎn)品很多，多為國際知名大廠，國產(chǎn)廠商也有部分。
2）自建+開源
這是很多互聯(lián)網(wǎng)公司通常采用的方案，通過自建底層基礎設施+部署開源軟件方式完成。整個方案對企業(yè)完全自主可控，但對自有人員技術(shù)要求較高。頗為典型的產(chǎn)品就是GreenPlum。
3）云+開源
這是上一種方案的變體，即Iaas層通過云廠商提供，其他仍然是自建的。當企業(yè)業(yè)務已經(jīng)上云，為更好地數(shù)據(jù)集成，方便數(shù)據(jù)遷移，往往會采用此方案。
4）DW云
企業(yè)直接選用數(shù)據(jù)倉庫的云服務，而不再獨立建設。下文將針對這種情況，重點說明。
針對上述4種方案，從成本、運維、交付、擴展、性能等多角度進行對比。
成本：包括前期購買和后期運營的費用，這里也包含人員投入的折算費用。
運維復雜度：主要針對企業(yè)自有技術(shù)人員的運維工作復雜度評估。
交付速度：方案的整體交付速度，包括基礎設施的購買、建設。
擴展性：包括數(shù)倉的容量擴展和性能擴展能力的綜合。
性能表現(xiàn)：數(shù)倉的整體性能表現(xiàn)。
從上圖中可見：
方案1、2，成本、性能相對固定。其中方案1，成本較高，但性能突出；方案2（自建），則兩者均為中等。
方案3、4，成本與性能都是一個區(qū)間，且范圍較大。方案3，主要取決于云廠商提供的基礎設施的能力。方案4，則依靠云廠商的數(shù)倉云能力。這也對云廠商產(chǎn)品的選擇，提出了更高的要求。下文將就此展開說明。
基于上面的說明，采用數(shù)據(jù)倉庫的云服務，具有較多優(yōu)勢，包括：
更好的性價比（無論是前期購買、還是后期運營）
更快的交付速度（最快在分鐘級）
更優(yōu)的彈性能力（擴展或壓縮、計算或存儲）
更低的運維復雜度（無需士）
更簡單地數(shù)據(jù)集成（如果已上同一云）
更豐富的數(shù)據(jù)生態(tài)（取決于云廠商產(chǎn)品）
數(shù)據(jù)倉庫不同于交易型數(shù)據(jù)庫，它的構(gòu)建是為了便于分析海量數(shù)據(jù)，而不是處理事務。這意味著數(shù)據(jù)倉庫往往比其相應的交易型數(shù)據(jù)庫大幾個數(shù)量級，同時對于交易型數(shù)據(jù)庫的某些關(guān)鍵特性（例如ACID、響應時間等）可能沒有那么重要。相反，數(shù)據(jù)倉庫有自己的需求，亦可作為上云選擇因素。
1）多種數(shù)據(jù)集成方式
將數(shù)據(jù)放入倉庫并正確格式化通常是數(shù)據(jù)倉庫面臨的最大挑戰(zhàn)之一。傳統(tǒng)上，數(shù)據(jù)倉庫依賴于批處理提取轉(zhuǎn)換加載作業(yè)-ETL。ETL作業(yè)仍然很重要，但現(xiàn)在也有從流式攝取數(shù)據(jù)，甚至允許你直接對不在倉庫中的數(shù)據(jù)執(zhí)行查詢的能力。
2）支持數(shù)據(jù)多元查詢
現(xiàn)有數(shù)據(jù)倉庫，除了要支持典型批量查詢外，還需要支持諸如adhoc類的查詢方式。傳統(tǒng)大數(shù)據(jù)技術(shù)棧hadoop的MapReduce不太適用于此類查詢。很多數(shù)據(jù)倉庫轉(zhuǎn)向大規(guī)模并行處理（MPP）數(shù)據(jù)庫，其原始是將數(shù)據(jù)打散后，通過并行技術(shù)在多臺服務器上執(zhí)行。此外，還有類似Spark這種利用內(nèi)存并行處理技術(shù)完成查詢。
3）標準數(shù)據(jù)訪問方式
數(shù)據(jù)倉庫支持什么語言進行查詢。顯然，標準SQL是對用戶最為友好的方式，可顯著降低用戶的使用門檻。此外，諸如Python、R等高級語言，也可為用戶帶來更多訪問的方式。但有些是依賴于方言，這就需要進行仔細評估。畢竟，移植的成本是筆不小的開銷。
4）靈活資源彈性能力
數(shù)據(jù)倉庫都是為了處理海量數(shù)據(jù)的，但其規(guī)模變化可能很大。此外，其計算資源的需求也是會隨著業(yè)務而不斷變化。因此對基于云的數(shù)據(jù)倉庫的資源的彈性能力要求很高，這也是區(qū)別與傳統(tǒng)自建方式一個非常大的優(yōu)勢。這里的資源，不僅包括計算資源、也包括數(shù)據(jù)存儲資源。此外，還需要區(qū)分是否支持計算、存儲的單獨提供，而不是緊耦合在一起。
5）低廉運營維護成本
數(shù)據(jù)倉庫是復雜的系統(tǒng)，從底層的物理資源、操作系統(tǒng)、倉庫軟件，到上層的數(shù)據(jù)對象、訪問語句等。作為云上的數(shù)倉，是需要提供簡單、靈活、自動化、甚至智能化的運維能力，方便客戶使用進而節(jié)省用戶的綜合運營維護成本。
6）靈活使用方式
數(shù)據(jù)倉庫本身是資源密集型應用，如何減低用戶的使用成本，是云廠商均需考慮的。例如支持暫停與恢復功能，支持計算與存儲的獨立擴展等。
使用數(shù)據(jù)倉庫云服務，好處多多。那是否都要上云呢？這需要結(jié)合企業(yè)需求，考量以下因素來決定。
1）是否有足夠的技術(shù)積累？
數(shù)據(jù)倉庫本身具備較高的技術(shù)門檻，即使選擇開源也需要摸索積累的過程，除非是直接使用外部商業(yè)產(chǎn)品。
2）是否已經(jīng)在使用云？
如果已經(jīng)是某云的客戶，那么從云做數(shù)據(jù)集成將更加容易。否則，跨云或從本地加載數(shù)據(jù)，將是一個大工程。
3）是否對可用性要求很高？
這方面各企業(yè)差異較大，如企業(yè)比較重視可用性，云廠商/商業(yè)產(chǎn)品無疑具有優(yōu)勢。
4）數(shù)據(jù)規(guī)模是否很大？
數(shù)據(jù)倉庫的一個核心難點，就是支撐的數(shù)據(jù)規(guī)模。如企業(yè)數(shù)據(jù)規(guī)模非常大，將對自建方式帶來很大挑戰(zhàn)。
5）擴展需求是否強烈？
如企業(yè)在快速發(fā)展期，其數(shù)據(jù)規(guī)模、使用復雜度等變化很大，這就要求數(shù)倉具有很好的可擴展性，可快速適應企業(yè)發(fā)展。云方案相較于其他三種方案，無疑具有優(yōu)勢。
6）使用特征變化劇烈？
如企業(yè)的數(shù)據(jù)使用，非常具有不確定性，即要求數(shù)倉具有很好地彈性，可根據(jù)需要靈活擴縮容；乃至對查詢能力也同樣有此類要求。非云的三種方案，都很難適應快速變化。
7）短期成本壓力較大？
企業(yè)有數(shù)倉需求，但短期通過自建、外采商業(yè)都一次性投入過大，亦可考慮云方案。
數(shù)倉從技術(shù)實現(xiàn)上，有兩種大的分類。在下面說明廠商產(chǎn)品前，簡單普及下。
節(jié)點間通過高速網(wǎng)絡互連，訪問本地資源不需要通過網(wǎng)絡。這種方式設計簡單，擴展性較好。在較好的模型設計下，數(shù)據(jù)無需移動，處理效率高。
節(jié)點本身具有計算和存儲資源，即兩者是需要耦合在一起的。這是此模式的硬傷，即存儲、計算無法分離，無法做到按需獨立彈性。
節(jié)點間互相訪問或節(jié)點訪問存儲，都是需要通過高速網(wǎng)絡。數(shù)據(jù)本身都是存儲在”遠端存儲”中，而非本地。網(wǎng)絡可能成為瓶頸，受到IO傳輸總量的限制。網(wǎng)絡除了承載節(jié)點間的數(shù)據(jù)交換流量外，更多的是要承擔大量數(shù)據(jù)訪問的流量。
這種方式彈性很好，計算、存儲可獨立擴展。
兩種方式的優(yōu)劣，尚無統(tǒng)一定論，但較為主流是采用shared disk/storage的共享方式。但這種方式下，遠端存儲的性能？如何利用本地存儲？網(wǎng)絡性能對整體影響？如何實現(xiàn)動態(tài)資源分配？擴縮容的實現(xiàn)？等問題均值得研究。鄭州好的不孕不育醫(yī)院有哪些:http://www.xbzztj.com/
Redshift是典型的shared-nothing設計，本地掛載存儲。充分利用AWS的基礎服務，EC2作為計算節(jié)點，S3作為存儲及故障恢復使用。優(yōu)勢在于通過調(diào)整和定制，性能表現(xiàn)突出；但其架構(gòu)也決定了計算與存儲不能獨立縮放。鄭州不孕不育醫(yī)院有哪些：http://wapyyk.39.net/zz3/zonghe/1d427.html
支持從多種數(shù)據(jù)源加載數(shù)據(jù)，也支持集成流式數(shù)據(jù)，但只支持結(jié)構(gòu)化數(shù)據(jù)。支持直接對S3上的數(shù)據(jù)進行查詢，而無需ETL。其支持PostgreSQL的方言，對有些數(shù)據(jù)類型和函數(shù)不支持。Redshift本身監(jiān)控組件性能并自動恢復，其他維護工作由用戶負責。日常運維工作，通過用戶手工在控制臺完成。
Snowflake是Shared-storage設計，存儲與計算分離。本身構(gòu)建在AWS上，充分利用AWS的基礎服務能力，EC2作為計算節(jié)點，本地支持緩存，數(shù)據(jù)表存儲在S3中。它提出一種“虛擬倉庫”的概念，每個查詢可分配到不同的虛擬倉庫中，針對不同的倉庫也分配不同的資源。倉庫間不會影響性能，且倉庫本身具有很高的彈性，可自動提供額外的計算資源。
支持結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，不需要ETL或預處理就可以攝取這些數(shù)據(jù)。雖然先不支持流式數(shù)據(jù)，但可連接到Spark以接收流數(shù)據(jù)。它使用標準SQL并做了適當擴展。其維護比較簡單，不需要維護索引、清理數(shù)據(jù)等工作。
SDW是Shared-Storage設計。基于微軟的SQL Server PDW軟件，利用Azure存儲彈性能力。對T-SQL的全面兼容，可動態(tài)調(diào)整資源，可通過Ploybase支持非加載訪問。
BigQuery是存儲與計算分離設計，利用Google的基礎服務能力，存儲在Collosus FS。工作機制是將SQL查詢轉(zhuǎn)換為低級指令，依次執(zhí)行。其完全抽象了資源的提供、分配、維護、擴縮容等，所有都是Google自動處理。非常適合易用性作為第一訴求的場景。存儲上根據(jù)處理規(guī)模、負載等情況，自動分配分片。計算上資源不專有，在內(nèi)部和外部客戶復用。不能顯式控制單一查詢的資源使用。計費上使用按計算量收費方式（TB “processed”）http://dalian.huodong.dqccc.com/exposition/detail-2237296.html
使用上支持標準SQL，也支持半結(jié)構(gòu)化數(shù)據(jù)類型，支持外部表。支持從Google云端加載或直接訪問，也可以導入數(shù)據(jù)流。其沒有索引，除了數(shù)據(jù)管理外，幾乎不需要維護。
重慶分公司
重慶分公司
