数据仓库的商业应用技术之三：数据仓库的架构技术
1. 多层次企业级数据仓库：DataMart-> EDW
在这个数据仓库架构的模型中，左边的是数据源通过变换到数据集市中，然后从数据集市再到企业级数据仓库(EDW)中，最后直接给终端用户使用。多层次主要体现在ETL和数据集成上，这个方法的优点在于建立了多个数据集市，它体现了一个分布式集成的概念，很大程度降低了企业级数据仓库建设的风险，更减少了资源投入，如下图。
2. 多层次企业级数据仓库： EDW -> DataMart
这个模型一开始就设计它的企业级数据仓库(EDW)，这种方法针对于一些涵盖了多个业务系统、面向不同用户的需求、针对数据平台也不一样的企业，例如：银行。用这个方法，把所有的业务系统考虑入内，通常考虑整体设计，然后再分发出去。DataMart划分方法有很多种。它的优点是集成度比较好，总体设计一开始就把所有的数据源都放到企业级数据仓库。缺点是风险高，投入也相对很高，如下图。
通常来说，实际项目中采用第一种方法的比较多。
3. 近实时的数据仓库
数据仓库是动态的，是随时间变化的。应用数据仓库，我们可以每天、每个月、每年分段来调取数据，如下图。
近实时(Near Real Time)的要求是比较高的，例如我们建立了一个数据仓库是全球性的，数据仓库中心在多伦多，数据源分布在很多地方如北美、欧洲，它需要一个近实时的操作系统。近实时的概念是操作系统和业务系统产生的数据，在一小时之内完成所有ETL任务，最后进入数据仓库。它对数据源的业务系统有比较高的要求，如数据的稳定性、可靠性、网络传输速率等，同时也涵盖了很多方面的专门技术来解决实时性。
4. 后复合数据集市
由于业务的扩展，企业增加了一个新的生产系统，从而诞生了新的数据源。我们需要建立一个新的数据源(New Data Source)通过ETL工作集成到数据集市(DMART)中，并与企业级数据仓库(EDW)结合到一起，最后提供给终端用户，如下图。
