ความแตกต่างระหว่าง Data Warehouse และ Data Mart
เนื้อหา
คลังข้อมูลและ Data mart ใช้เป็น พื้นที่เก็บข้อมูล และตอบสนองวัตถุประสงค์เดียวกัน สิ่งเหล่านี้สามารถสร้างความแตกต่างผ่านปริมาณข้อมูลหรือข้อมูลที่เก็บความแตกต่างที่สำคัญระหว่างคลังข้อมูลและ data mart คือ data warehouse เป็นฐานข้อมูลที่เก็บข้อมูลเพื่อตอบสนองการร้องขอการตัดสินใจในขณะที่ data mart เป็นส่วนย่อยที่สมบูรณ์ของคลังข้อมูลทั้งหมด
กล่าวง่ายๆคือดาต้ามาร์ทเป็นดาต้าแวร์ จำกัด ในขอบเขตและสามารถรับข้อมูลผ่านการสรุปและเลือกข้อมูลจากคลังข้อมูลหรือด้วยความช่วยเหลือของการแยกการแปลงและการโหลดกระบวนการที่แตกต่างจากระบบข้อมูลต้นทาง
- แผนภูมิเปรียบเทียบ
- คำนิยาม
- ความแตกต่างที่สำคัญ
- ข้อสรุป
แผนภูมิเปรียบเทียบ
พื้นฐานสำหรับการเปรียบเทียบ | คลังข้อมูล | ข้อมูลมาร์ท |
---|---|---|
ขั้นพื้นฐาน | คลังข้อมูลเป็นแอปพลิเคชันอิสระ | Data mart นั้นใช้เฉพาะกับแอปพลิเคชันระบบสนับสนุนการตัดสินใจ |
ประเภทของระบบ | ส่วนกลาง | ซึ่งกระจายอำนาจ |
รูปแบบของข้อมูล | รายละเอียด | สรุป |
การใช้ denormalisation | ข้อมูลมีความผิดปกติเล็กน้อย | ข้อมูลมีความผิดปกติอย่างมาก |
แบบจำลองข้อมูล | จากบนลงล่าง | จากล่างขึ้นบน |
ธรรมชาติ | มีความยืดหยุ่นมุ่งเน้นข้อมูลและอายุการใช้งานยาวนาน | จำกัด โครงการที่มุ่งเน้นและชีวิตสั้น |
ประเภทของสคีมาที่ใช้ | กลุ่มดาวความจริง | ดาวและเกล็ดหิมะ |
ความสะดวกในการสร้าง | ยากที่จะสร้าง | ง่ายต่อการสร้าง |
คำจำกัดความของ Data Warehouse
ระยะเวลา คลังข้อมูล หมายถึงตัวแปรเวลา, หัวเรื่อง, ไม่ลบเลือนและกลุ่มข้อมูลแบบบูรณาการที่ช่วยใน การตัดสินใจ กระบวนการของการจัดการ อีกวิธีหนึ่งคือที่เก็บข้อมูลที่รวบรวมจากหลาย ๆ แหล่งที่เก็บไว้ใน schema แบบรวมที่ไซต์เดียวที่อนุญาตการรวมระบบแอปพลิเคชันที่หลากหลาย เมื่อรวบรวมข้อมูลนี้จะถูกเก็บไว้เป็นเวลานานจึงมีอายุการใช้งานยาวนานและอนุญาตให้เข้าถึงได้ ประวัติศาสตร์ข้อมูล.
ดังนั้นคลังข้อมูลจะให้ผู้ใช้งานเพียงคนเดียว แบบบูรณาการ ส่วนต่อประสานกับข้อมูลซึ่งผู้ใช้สามารถเขียนแบบสอบถามสนับสนุนการตัดสินใจได้อย่างง่ายดาย คลังข้อมูลช่วยในการเปลี่ยนข้อมูลให้เป็นข้อมูล การออกแบบคลังข้อมูลมีวิธีการจากบนลงล่าง
มันรวบรวมข้อมูลเกี่ยวกับวิชาที่ครอบคลุมทั้งองค์กรเช่นลูกค้าการขายสินทรัพย์รายการและช่วงของมันคือทั้งองค์กร โดยทั่วไปแล้ว กลุ่มดาวความเป็นจริง สคีมาถูกนำมาใช้ซึ่งครอบคลุมหัวข้อที่หลากหลาย คลังข้อมูลไม่ใช่โครงสร้างแบบคงที่และเป็น การพัฒนา อย่างต่อเนื่อง.
คำจำกัดความของ Data Mart
ข้อมูลมาร์ท สามารถเรียกได้ว่าเป็นส่วนย่อยของคลังข้อมูลหรือกลุ่มย่อยของข้อมูลทั่วทั้งองค์กรที่สอดคล้องกับกลุ่มผู้ใช้บางกลุ่ม คลังข้อมูลเกี่ยวข้องกับหลาย ๆ แผนก และ ตรรกะ ฐานข้อมูลซึ่งจะต้องคงอยู่ในภาพประกอบข้อมูลเพื่อให้แน่ใจว่า ความแข็งแรง ของคลังข้อมูล ดาต้ามาร์ทเป็นชุดของตารางที่เน้นที่ งานเดียว สิ่งเหล่านี้ได้รับการออกแบบโดยใช้วิธีการจากล่างขึ้นบน
ขอบเขตข้อมูลของมาร์ท จำกัด เฉพาะบางวิชาที่เลือกดังนั้นขอบเขตของมันจึงกว้างทั้งแผนก สิ่งเหล่านี้มักจะนำมาใช้ใน ราคาถูก เซิร์ฟเวอร์แผนก รอบการดำเนินการของ data marts ถูกมอนิเตอร์เป็นสัปดาห์แทนที่จะเป็นเดือนและปีเช่นดาว และ สคีเกล็ดหิมะ มีการขับเคลื่อนไปสู่การสร้างแบบจำลองเรื่องเดียวซึ่งเป็นสาเหตุที่ใช้กันทั่วไปในดาต้ามาร์ท แม้ว่าสคีมาของดาวนั้นได้รับความนิยมมากกว่าสคีเกล็ดหิมะ ขึ้นอยู่กับแหล่งข้อมูล marts ข้อมูลสามารถแบ่งได้เป็นสองประเภท: ขึ้นอยู่กับ และ อิสระ data marts
- คลังข้อมูลเป็นแอพพลิเคชั่นที่เป็นอิสระในขณะที่ดาต้ามาร์ทนั้นมีความเฉพาะเจาะจงกับการประยุกต์ใช้ระบบสนับสนุนการตัดสินใจ
- ข้อมูลจะถูกเก็บไว้ในที่เดียว ส่วนกลาง พื้นที่เก็บข้อมูลในคลังข้อมูล เมื่อเทียบกับ data mart จัดเก็บข้อมูล decentrally ในพื้นที่ผู้ใช้
- คลังข้อมูลประกอบด้วย รายละเอียด รูปแบบของข้อมูล ในทางตรงกันข้าม data mart มี สรุป และข้อมูลที่เลือก
- ข้อมูลในคลังข้อมูลคือ เล็กน้อย denormalised ในขณะที่ Data mart เป็น อย่างมาก denormalised
- การสร้างคลังข้อมูลนั้นเกี่ยวข้องกับ จากบนลงล่าง เข้าใกล้ ในขณะที่การสร้างดาต้ามาร์ทจากล่างขึ้นบน วิธีการที่ใช้
- คลังข้อมูลคือ คล่องตัว, ข้อมูลเชิง และธรรมชาติที่มีอยู่มานาน ในทางตรงกันข้าม data data คือ คับแคบ, โครงการที่มุ่งเน้น และมีชีวิตที่สั้นกว่า
- schema กลุ่มดาวตามความเป็นจริงมักจะใช้สำหรับการสร้างแบบจำลองคลังข้อมูลในขณะที่ data mart schema เป็นที่นิยมมากกว่า
ข้อสรุป
คลังข้อมูลให้มุมมององค์กรระบบจัดเก็บข้อมูลเดียวและส่วนกลางสถาปัตยกรรมโดยธรรมชาติและความเป็นอิสระของแอปพลิเคชันในขณะที่ Data mart เป็นส่วนหนึ่งของคลังข้อมูลที่ให้มุมมองแผนกการจัดเก็บข้อมูลแบบกระจายอำนาจ เนื่องจากคลังข้อมูลมีขนาดใหญ่มากและมีการรวมเข้าด้วยกันจึงมีความเสี่ยงสูงที่จะเกิดข้อผิดพลาด ในทางกลับกัน data mart นั้นง่ายต่อการสร้างและความเสี่ยงของความล้มเหลวที่เกี่ยวข้องก็น้อยลงเช่นกัน แต่ data mart อาจมีการแตกแฟรกเมนต์