《数据虚拟化:商务智能系统的数据架构与管理》一 2.8 商务智能架构总览

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
简介: 本节书摘来自华章出版社《数据虚拟化:商务智能系统的数据架构与管理》一 书中的第2章,第2.8节,作者:[荷]里克 F. 范德兰斯(Rick F. van der Lans),更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.8 商务智能架构总览

如前面章节所述,有很多不同的开发商务智能系统的方法。一个企业的解决方法可能是基于数据仓库,用操作数据存储库和许多PDS扩展,而另一个可能决定使用中转区域和许多数据集市,但是另一个也可能会选择在他们的生产系统上直接开发整个商务智能系统。但是无论怎么选择,他们的解决方案是基于他们的架构的。在这本书中,我们把这种类型的体系结构称为商务智能结构,定义如下:
商务智能结构是用于整合像数据仓库、数据集市、可操作数据存储、数据中转区、ETL工具和分析与报告工作等各个模块的一系列设计指南、描述和方案,形成了一个有效而且高效的商务智能系统。
每个企业可以设计使用自己的商务智能架构。一个企业也可以选择预定义和知名结构。选择知名结构的优点是大部分有名的架构已被认定通过,基于经验,并且已被反复测试使用过。选择他们,开发者就“继承”了他们所有的经验。
以下是最有名的几个:
数据集市是Ralph Kimball的数据仓库总线结构(DWBA)的核心,这在他的书《The Data Warehouse Lifecycle Toolkit》(见文献[25])有描述。基于数据仓库总线结构的商务智能系统包括了可能是连续的中转区和许多数据集市。有时这种体系结构被称为数据集市总线结构。
Bill Inmon 和Claudia Imhoff、Ryan Sousa 一起提出了企业信息工厂(CIF)结构(见文献[32])。一个基于企业信息工厂的系统最低限度地由ODS、数据仓库(自从Bill Inmon成为数据仓库概念的创造者之一,就成为合理的),如果需要,还有数据集市组成。这个体系结构的另一个名字是辐射型结构。
另一种结构是集中式数据仓库结构。在这种结构中,不使用数据集市和PDS。大多数报告是在一个可能加载来自于ODS或数据中转区的数据的中央数据仓库中运行。
在联合体系结构中,所有的报告和分析工具被链接到某些数据联合层,它本身从各种各样的来源获取数据,包括生产数据库、数据仓库和数据集市。
比较新的商务智能结构之一是数据传输平台(DDP)。这个新的比较灵活的架构是以数据虚拟化为基础的,在第12章里有对其分别广泛、具体的描述。
根据文献[33],在此列表中的前两个结构在2006年是最受欢迎的两个。
注意:在这本书中,我们用术语商务智能结构而不是用更常用的术语数据仓库结构,是因为一些预定义的结构,例如数据仓库总线结构,不是基于数据仓库的任何部分。如果它一点也不基于数据仓库,称它为数据仓库结构很别扭。这就像称一架不运送货物的飞机为货机一样好笑。我们更偏向于商务智能结构,因为它更好地反映了这种结构的目的:商务智能。另外,它指该结构可以立足的模块中的任何一个。

相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
2月前
|
存储 SQL 关系型数据库
ClickHouse(02)ClickHouse架构设计介绍概述与ClickHouse数据分片设计
ClickHouse的核心架构包括执行过程和数据存储两部分。执行过程涉及Parser与Interpreter解析SQL,通过Column、DataType、Block、Functions和Storage模块处理数据。Column是内存中列的表示,Field处理单个值,DataType负责序列化和反序列化,Block是内存中表的子集,Block Streams处理数据流。Storage代表表,使用不同的引擎如StorageMergeTree。数据存储基于分片和副本,1个分片由多个副本组成,每个节点只能拥有1个分片。
239 0
ClickHouse(02)ClickHouse架构设计介绍概述与ClickHouse数据分片设计
|
2月前
|
传感器 数据可视化 搜索推荐
瓴羊Quick BI助力深圳光明环境水务公司举办水务数据应用大会暨第二届“光环杯”BI应用大赛
瓴羊Quick BI助力深圳光明环境水务公司举办水务数据应用大会暨第二届“光环杯”BI应用大赛
|
2月前
|
缓存 安全 API
【亿级数据专题】「高并发架构」盘点本年度探索对外服务的百万请求量的API网关设计实现
公司对外开放的OpenAPI-Server服务,作为核心内部系统与外部系统之间的重要通讯枢纽,每天处理数百万次的API调用、亿级别的消息推送以及TB/PB级别的数据同步。经过多年流量的持续增长,该服务体系依然稳固可靠,展现出强大的负载能力。
125 9
【亿级数据专题】「高并发架构」盘点本年度探索对外服务的百万请求量的API网关设计实现
|
11天前
|
监控 数据可视化 数据挖掘
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”(1)
干货|FESCO Adecco外企德科:Quick BI打造战略管理“观数台”
|
2月前
|
分布式计算 大数据 BI
MaxCompute产品使用合集之MaxCompute项目的数据是否可以被接入到阿里云的Quick BI中
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
1月前
|
存储 关系型数据库 数据库
数据的反规范化架构
【6月更文挑战第13天】 本文介绍数据库设计包括规范化和反规范化。优化设计和应用规范化规则确保高效且准确的数据存储。
46 2
数据的反规范化架构
|
1月前
|
虚拟化 芯片
minos 2.3 中断虚拟化——GICv2 管理
硬件肯定需要软件配合,这一节就来实战 GICv2 首先准备好 GICv2 手册:https://developer.arm.com/documentation/ihi0048/bb/?lang=en,对于硬件的管理,最底层的操作就是读写硬件的寄存器,所以这里准备好手册,随时查阅手册
28 5
minos 2.3 中断虚拟化——GICv2 管理
|
29天前
|
存储 SQL BI
深入解析实时数仓Doris:介绍、架构剖析、应用场景与数据划分细节
深入解析实时数仓Doris:介绍、架构剖析、应用场景与数据划分细节
|
1月前
|
Java 数据库连接 API
“论数据访问层设计技术及其应用”写作框架,系统架构设计师
在信息系统的开发与建设中,分层设计是一种常见的架构设计方法,区分层次的目的是为了实现“高内聚低耦合”的思想。分层设计能有效简化系统复杂性,使设计结构清晰,便于提高复用能力和产品维护能力。一种常见的层次划分模型是将信息系统分为表现层、业务逻辑层和数据访问层。信息系统一般以数据为中心,数据访问层的设计是系统设计中的重要内容。数据访问层需要针对需求,提供对数据源读写的访问接口;在保障性能的前提下,数据访问层应具有良好的封装性、可移植性,以及数据库无关性。
“论数据访问层设计技术及其应用”写作框架,系统架构设计师
|
19天前
|
存储 Java 数据库
在Spring Boot中实现多租户架构的数据隔离
在Spring Boot中实现多租户架构的数据隔离

热门文章

最新文章