近期看到很多企業在設計自己的資料平臺，以及選型一些資料分析工具，正好拜讀了資料倉庫之父的《資料架構：大資料、資料倉庫以及Data Vault》一書，有些許感觸，就來聊一下個人思考吧。

首先從企業資訊化發展階段時，資料平臺結構的程度來看。個人依照企業資訊化，將資料平臺階段劃分為：只有業務資料庫——>中間庫——>完善資料倉庫（DW）——>資料集市（Data Mart），順序與階段並不絕對正確，可能有組合，可能所在階段不完全一致。以下先看各個資料平臺階段特點，再看對應階段資料分析工具選型的考慮吧。

1.業務資料庫

一個企業IT資訊化建設最初的階段，業務庫中資料量不大，要分析展示下資料情況啦，不慌，問題不大，這時候OLTP結構下也可以寫寫SQL快速展現，隨便玩玩office工具也沒問題。

但是隨著時間的推移，各種問題開始出現：

（1）查詢和寫入頻率越來越高，高頻write和和長時間read衝突越來越嚴重。而資料分析要耗費大量計算資源，不能動不動掛業務系統吧。

（2）資料量越來越大，歷史業務資料啦，新業務資料激增啦，第一要務就是要解決業務應用效率問題了，誰管資料分析裡的問題呢。

（3）業務越來越多，表結構越來越複雜。業務系統數量的越來越多，導致資料孤島開始形成。

這種情況下，企業面臨資料展示與資料平臺建設的階段了要怎麼處理。這種情況下要做資料分析就麻煩了，要人為去各個系統取數，人力是一個方面。各個系統口徑命名啥都有差異，人為的處理出錯率高就是另一方面。

2.中間庫

由於上述問題，就要引入中間庫來處理。左圖結構解決了高頻write和read衝突問題，以及單資料庫伺服器效能問題，順手也搞定了資料備份。這種情況下呢簡單查詢還是可以的，但是在轉換聚合等需要多表關聯、以及大資料量等業務複雜度高的情況下，其處理效能就不容樂觀了。

此時就開始考慮可以利用空閒時間的伺服器效能來做預先處理呢。右圖這種T+n的預處理離線計算的架構就出現了，引入獨立的任務排程和計算引擎：計算壓力可以交給資料庫處理，也可交給ETL處理，展現效能初步解決。

但是這種情況下，資料庫表結構實在太過複雜，每做一個分析，就要理一次業務邏輯、寫一段sql，還沒法進行歷史追溯，以及資料整理成果的複用，so sad。

那有沒有理一次之後，後續能夠省點事的方式呢？這時候數倉的概念就可以使用上了。

3.完善資料倉庫（DW）

把業務庫資料整理成星型結構，保證了事實的積累和維度的追溯。自由選擇需要的維度和相關事實進行篩選計算，麻麻再也不用擔心每次寫sql都要去看“蜘蛛網”了。還有索引、結果表、分割槽分表等等黑科技來保證每次查旬需掃描的資料量最小，解決資料庫效能問題。

當然這種架構方式的缺點也很明顯，不是企業內一致的資料（多系統，多主題資料不一致），就會產生資訊孤島。當然，如果客戶企業就是很小，就一個系統，不用整合，一個數據集市足以的情況下采用這種方式也可以。常見情況是會在各個獨立的DW間建立一些對照表，可實現資料交換。如果多個DW間沒有物理隔絕，也可以形成EDW。

4.完善數倉+資料集市（Data Mart）

為了實現各個業務系統取數分析，或者做更多操作，就實現中心資料倉庫EDW從各個源系統收集資料，再將資料提供給各個資料集市和挖掘倉庫使用。這也被稱為企業資訊工廠架構（CIF），一般情況下，大型企業會花費許多精力實現這類架構。

業務複雜度的提高與資料量級的增大以及對這些資料的應用，促成了各個大資料平臺的繁榮，這個放到另一篇文章陳述。

無論是以什麼架構存在，資料展示的需求都必不可少。分析工具選擇必不可少，要在以上階段以一款工具涵蓋，那必然需要一款既可以做敏捷資料集市建模，又可以做資料展示分析的工具來處理。這種工具可對業務資料進行簡單、快速整合，實現敏捷建模節省時間，並且可以大幅度提升資料的展示速度，可對接前端的資料分析展示層，實現自由資料展示與OLAP分析，典型如各類BI分析工具。

資料分析也很考驗分析工具資料讀取、運算的效能，但擁有大資料量計算引擎的BI分析工具並不多。像FineBI（www.finebi.com）與其高效能資料引擎在以上幾個階段均可在不同程度解決很多場景。

（1）業務資料庫階段，此階段已經陳述過，重點問題就是計算效能影響大，以及資料孤島問題。建立數倉的過程相對敏捷資料集市而言，時間還是久的。這個時候就看看建立個常規意義的數倉和資料展示需求誰更緊急啦，或者可能有的也沒建資料平臺的意識也說不準。此時快速的資料展示需求，就可以通過將資料放到FineBI的資料引擎中支撐實現。

（2）中間庫與完善數倉階段，此階段其實主要就是計算效能問題了，使用者的資料量級也一定挺大了。正好藉助於FineBI的分散式引擎，完成資料加速計算工作。此引擎屬hadoop生態，核心計算引擎利用的spark，藉助了alluxio作為記憶體加速計算，處理了大資料計算問題，也很好闡釋了“大資料”。這個在接下來的文章中也會說到，這裡先埋個伏筆，暫不贅述。

此階段呢，肯定有一些響應時間要求較高的展示需求，多次作業同步可能帶來延遲影響。而FineBI的引擎擴充套件了kettle的外掛，實現資料可以直接load到引擎中，倒是將麻煩的作業處理工作解決了。

（3）完善數倉+資料集市階段，這種階段資料平臺建設已經很完善了，各業務部門資料量級，業務複雜度都很高。

底層技術上雖然資料集市是建立在整合的中心資料倉庫EDW上，但是這些資料集市之間還是不能進行資料交換的，大家建立的方法和ETL程式都會不同，各個資料集市之間的資料不見得的是一致，且平臺架構超級複雜，擴充套件以及再為各業務部門設計計算層結果表之類都相對麻煩。此時可考慮部分需整合資料放到敏捷資料集市處理，可直接對接的再直接對接處理。FineBI的引擎恰好都滿足這樣的場景需求，前端OLAP分析恰好也有，簡單處理整合展示一站式解決。