ODS(Operational Data Store)定义

ODS（Operational Data Store）可操作的数据存储。

　　很多人对ODS究竟是什么有很多的困惑，ODS对于不同的人可以有不同的看法，我主要说说什么是最主流的定义。首先我们需要注意，ODS不同于数据仓库（Data warehouse）或数据集市(Data mart)。数据仓库是用来保存公司来自很多不同的来源的历史数据，并主要将这些数据用于趋势分析，生成报表的地方。它是一个公司很多主题域(subject area)的一个合集，它在企业中是唯一的（一个企业不会有很多个数据仓库，那样数据可能会对不上）、真实的（只认可这一个数据仓库中的数据）。数据集市和数据仓库扮演的角色一样，只是数据仓库包含多个主题域，而数据集市仅仅面向一个主题域。可以把数据仓库认为是多个数据集市组合体。

　　ODS的目的是集成公司不同来源的企业数据，以便于实时或者接近实时地产生操作报告。通常ODS中数据的结构和源数据结构很像，尽管在数据集成的时候，可以被清理、去规范化， 还有一些数据按照公司政策来集成。这个集成是粒度最小的、一天内发生的频率最高的集成。通常ODS不会被设计成用来做历史数据分析或者趋势分析工作，这些是数据仓库的功能。ODS通常会被用来当做数据仓库的数据来源。

　　总结下ODS和数据仓库的不同之处：

　　　　~~ODS用于最低粒度的查询用，而数据仓库通常保存的是综合过的、粒度较粗的数据，通常用于较复杂的、分析性的查询。

　　　　~~ODS通常实时性较高，通常保存的数据是实时的或者近乎实时的，因此能较及时地返回查询请求，数据仓库通常是历史的数据，通常分析的数据较多，不能做到实时返回查询，分析需要比较长时间。

　　　　~~ODS保存的数据视窗较小，即时间跨度不大；数据仓库保存的几乎是一个公司的所有历史数据。

　　　　~~ODS为当前或接近实时数据的操作和战术决策提供信息，而数据仓库为战略决策提供反馈，从而整体改进系统。

　　　　~~ODS抽取数据的频率可以是几分钟、几小时；数据仓库的抽取数据的频率可以是每天、每周、每月、或者每季度。

　　为什么需要一个ODS的一些原因：

　　　　~~源系统能够提供有限的分析能力

　　　　~~可以使用更好的、更有效的工具来做分析，而不是直接在源系统上做数据分析

　　　　~~可以更好地做权限控制，仅仅让某些人访问到公司的数据，生成实时或近乎实时的报表统计

　　　　~~可以将公司不同的数据库中的数据集合到一起，并基于当天的数据做近乎实时的分析和生成报表