Anbefalet, 2021

Redaktørens Valg

Forskel mellem datalager og data mart

Data warehouse og Data mart bruges som datalager og tjener samme formål. Disse kan differentieres gennem mængden af ​​data eller oplysninger, de opbevarer. Den afgørende forskel mellem et datalager og en datamart er, at et datalager er en database, der lagrer informationsorienteret til at tilfredsstille beslutningsprocesser, mens data mart er komplette logiske delmængder af et helt datalager.

I simple ord er en data mart et data warehouse begrænset i omfang, og hvis data kan opnås ved at opsummere og vælge data fra datalageret eller ved hjælp af særskilt ekstrakt, transformere og indlæse processer fra kildedatasystem.

Sammenligningstabel

Grundlag for sammenligningData varehusData Mart
GrundlæggendeData warehouse er applikationsuafhængig.Data mart er specifik for beslutningsstøttesystemapplikation.
Type systemCentraliseretDecentral
Dataformdetaljeretopsummeret
Anvendelse af denormaliseringDataene er lidt deormaliserede.Dataene er stærkt denormaliserede.
DatamodelOppefra og nedBunden i vejret
NaturFleksibel, dataorienteret og langt liv.Begrænsende, projektorienteret og kort levetid.
Type skema anvendtFakta konstellationStjerne og snefnug
Let ved at byggeSvære at byggeEnkel at bygge

Definition af datavarehus

Udtrykket datalager betyder en tidsvariant, emneorienteret, ikke-flygtig og en integreret gruppe data, der hjælper med beslutningsprocessen i ledelsen. Alternativt er det et lager af information indsamlet fra flere kilder, gemt i et samlet skema, på et eneste websted, der muliggør integration af en række applikationssystemer. Når disse data er indsamlet, lagres det i lang tid og har derfor et langt liv og giver adgang til historisk information.

Som følge heraf giver datalageret brugeren en enkelt integreret grænseflade til de data, hvorigennem brugeren nemt kan skrive spørgsmål vedrørende beslutningsstøtte. Data warehouse hjælper med at omdanne data til information. Design af et datalager indeholder top-down tilgang.

Det samler oplysninger om emner, der spænder over hele organisationen, såsom kunder, salg, aktiver, poster, og derfor er dets rækkevidde hele virksomheden. Faktisk konstellation skema bruges generelt i det, der dækker en bred vifte af emner. Et datalager er ikke en statisk struktur, og den udvikler sig kontinuerligt.

Definition af Data Mart

En data mart kan kaldes som en delmængde af et datalager eller en undergruppe af virksomhedsdata, der svarer til et bestemt sæt brugere. Data warehouse involverer flere afdelingsmæssige og logiske data marts, som skal være vedholdende i deres data illustration for at sikre robustheden af et datalager. En data mart er et sæt af tabeller, der koncentrerer sig om en enkelt opgave, der er designet med en bottom-up tilgang.

Data mart omfang er begrænset til nogle specifikke valgte emne, og dermed omfanget er afdelingsbrede. Disse implementeres normalt på lave omkostninger afdelings servere. Implementeringscyklussen for data marts overvåges i uger i stedet for måned og år.

Som stjerne og snefnug skema er drevet mod single subject modellering, derfor er disse almindeligt anvendt i data mart. Selvom stjerneskemaet er mere populært end snefnugskema. Afhængigt af datakilden kan data marts klassificeres i to typer: afhængig og uafhængig data marts.

Nøgleforskelle mellem datalager og data Mart

  1. Data warehouse er applikationsuafhængigt, mens data mart er specifikt til beslutningsstøttesystemapplikation.
  2. Dataene gemmes i et enkelt, centraliseret lager i et datalager. Modsat gemmer data Marts data decentralt i brugerområdet.
  3. Data warehouse indeholder en detaljeret form for data. I modsætning hertil indeholder data mart opsummerede og valgte data.
  4. Dataene i et datalager er lidt deormaliserede, mens i tilfælde af Data mart det er stærkt denormaliseret.
  5. Opbygningen af ​​datalager involverer top-down tilgang. Omvendt benyttes bunden- tilgangen, mens der konstrueres en data mart.
  6. Data warehouse er fleksibel, informationsorienteret og langvarig eksisterende natur. Tværtimod er en data mart restriktiv, projektorienteret og har en kortere eksistens.
  7. Fakta konstellation skema bruges normalt til modellering af et datalager, mens data mart stjerneskema er mere populært.

Konklusion

Data warehouse giver virksomhedsvisning, enkelt og centraliseret lagringssystem, iboende arkitektur og applikationsuafhængighed, mens Data mart er en delmængde af et datalager, der giver afdelingsvisning, decentraliseret opbevaring. Da datalager er meget stort og integreret, har det stor risiko for fejl og vanskeligheder med at opbygge det. På den anden side er data mart let at opbygge og tilhørende fiasko risiko er også mindre, men data mart kan opleve fragmentering.

Top