DW白皮书2005.doc

Size: px

Start display at page:

Download "DW白皮书2005.doc"

篡化解
7 years ago
Views:

1 Oracle 数据仓库解决方案技术白皮书完整集成和高效的解决方案 Oracle 提供了一整套完整集成的技术平台方案来为客户降低建设企业数据仓库和商业智能系统的成本和复杂性 Oracle 数据库产品是第一个也是唯一一个把嵌入式抽取转换和加载引擎 (ETL) 在线分析处理引擎 (OLAP) 和数据挖掘引擎集成在一起的数据分析平台 Oracle 应用服务器包含了门户和商业智能服务为您提供访问组织化的和个性化的商业智能应用 Get Timely, Accurate Business Intelligence oracle.com/cn 或致电 : 版权 2005 Oracle 公司版权所有 Oracle 是 Oracle 公司及或其子公司的注册商标

2 目录 : 1 数据仓库什么是数据仓库为什么使用数据仓库建设数据仓库的驱动力是什么 4 2 Oracle 数据仓库解决方案 ORACLE 数据仓库体系结构 ETL 解决方案数据仓库核心引擎元数据管理解决方案信息展现解决方案 12 3 数据仓库最佳实践如何规划数据仓库项目如何建设数据仓库项目 18 4 全球最大的数据仓库是如何建造的案例一电信行业客户利用 ORACLE 数据仓库管理海量数据 (65TB) 案例二金融业客户利用 ORACLE 数据仓库解决方案解决利润成本风险和客户关系管理 20 5 您们如何得到我们的帮助 23 Copyright 2005 Oracle Corporation All rights reserved. 2

3 1 数据仓库 1.1 什么是数据仓库数据仓库使企业能对其自身业务的运作以及整个市场相关行业的态势进行分析, 从而做出正确的决策数据仓库更像一个过程, 这个过程涉及数据的收集整理和加工, 生成决策所需要的信息, 并且最终把这些信息提供给需要这些信息的使用者, 供他们做出改善业务经营的正确决策进入 80 年代以后, 随着 PC 的迅速普及, 业务处理系统的运行成本大大降低, 极大地推动了信息处理技术的发展基于并行可伸缩体系结构的大型计算机和关系数据库技术也在迅猛发展, 企业大型联机事务处理技术已经相当成熟, 很好地解决了企业对于实时业务交易的需求与此同时, 激烈的市场竞争使得各行各业对于数据处理提出了更高的要求企业已经不满足于计算机能够帮助他们迅速地处理业务, 而且需要从浩如烟海的大量数据中探索业务活动的规律性, 提炼出经营管理所必须的关键信息, 使企业能对其自身业务的运作以及整个市场相关行业的态势进行分析, 从而做出正确的决策正是在这样的背景下, 数据仓库技术应运而生了什么是数据仓库呢? 数据仓库概念的提出者美国著名信息工程专家 William Inmon 博士在 90 年代初提出了数据仓库概念的一个表述他认为 : 一个数据仓库通常是一个面向主题的集成的随时间变化的但信息本身相对稳定的数据集合, 它用于对管理决策过程的支持所谓主题, 是指用户使用数据仓库进行决策时所关心的重点方面, 如 : 收入客户销售渠道等 ; 所谓面向主题, 是指数据仓库内的信息是按主题进行组织的, 而不是像业务支撑系统那样是按照业务功能进行组织的所谓集成, 是指数据仓库中的信息不是从各个业务系统中简单抽取出来的, 而是经过一系列加工整理和汇总的过程, 因此数据仓库中的信息是关于整个企业的一致的全局信息所谓随时间变化, 是指数据仓库内的信息并不只是反映企业当前的状态, 而是记录了从过去某一时点到当前各个阶段的信息通过这些信息, 可以对企业的发展历程和未来趋势做出定量分析和预测而信息本身相对稳定, 是指一旦某个数据进入数据仓库以后, 一般很少进行修改, 更多的是对信息进行查询操作依据上面的定义, 有人可能会把数据仓库简单地理解为仅仅是一个大型的数据存储机制, 是一个静态的概念实际上, 数据仓库更像一个过程, 这个过程涉及数据的收集整理和加工, 生成决策所需要的信息, 并且最终把这些信息提供给需要这些信息的使用者, 供他们做出改善业务经营的正确决策数据仓库的重点与要求就是能够准确安全可靠地从业务系统中取出数据, 经过加工转换成有规律信息之后, 供管理人员进行分析使用因此数据仓库是一个动态的概念, 应该称为数据仓库工程 (Data Warehousing) 1.2 为什么使用数据仓库企业信息化建设过程中, 为了提高日常的工作效率以及提高本企业的市场适应能力, 大部分企业会根据市场客户和企业本身建立不同的业务系统来满足需求但此系统往往因为市 Copyright 2005 Oracle Corporation All rights reserved. 3

4 1.3 建设数据仓库的驱动力是什么场需求设计理念建设时间平台选择等因素的不一致性而导致系统间相互独立信息分散等特点, 从而形成信息孤岛为了解决上述问题, 企业就需要一种行之有效的技术进行信息整合, 通过集成不同的系统信息为企业提供统一的决策分析平台, 帮助企业解决实际的业务问题 ( 如 : 如何提高客户满意度和忠诚度, 降低成本提高利润, 合理分配资源, 有效进行全面绩效管理等 ) 人们往往会采用数据仓库技术实现使用数据仓库有三个方面的好处 : 第一, 数据仓库能够为业务部门提供准确及时的报表第二, 数据仓库可以赋予管理人员更强大的分析能力第三, 数据仓库是进行数据挖掘知识发现的基础是什么使您热衷于建设数据仓库系统? 对于大多数人认为是数据的问题技术的问题, 但这并不是建设数据仓库建设的真正驱动力那建设数据仓库的真正驱动力是什么呢? 是业务, 企业需要发展业务拓展市场提高利润降低成本和加强风险防范能力如何发展往那个方向发展现在的利润成本有多少明年的预算应该设多高, 这需要经过全面严格的分析后才能产生, 分析的依据才是数据因此数据仓库的建设应该是以解决企业那些业务问题来驱动, 解决该业务问题需要经过如何计算, 计算需要用到那些数据, 然后考虑数据可能从哪里来, 它的设计是一种倒推式的方法 Copyright 2005 Oracle Corporation All rights reserved. 4

5 2 Oracle 数据仓库解决方案成功地实施一个数据仓库项目, 通常需要很长的时间如果仅仅着眼于短期成果, 缺乏整体考虑, 采用一种不健全的体系结构, 不仅会增加系统开发和维护成本, 而且必将对发挥数据仓库的作用造成不利的影响因此一个综合, 清晰的远景规划及技术实施蓝图将在整个项目的实施过程中起到重要作用完整的数据仓库体系架构应具备如下图所示三大类功能 : 数据获取功能数据获取过程主要完成数据仓库模型建设数据源的定义数据抽取转换清洗及加载工作数据仓库模型建设 : 数据仓库模型是直接反映数据仓库中业务逻辑视窗, 数据仓库模型是根据企业的业务发展计划与策略而制定, 数据仓库模型的起源来自业务驱动力 ( 也就是说利用数据仓库解决何种业务问题 ), 因此在模型设计时应由业务人员与模型专家共同完成设计模型时要考虑总体规划分步实施, 考虑完整性灵活性的同时也要考虑扩展能力和时效, 尽量选择业务问题紧迫数据源较完备的主题入手设计数据模型一般采用第三范式星型模型雪花状模型不等数据源的定义 : 数据仓库模型一旦设计完毕, 也就是说未来业务需求以及解决上述需求所需的数据已被定义下一个话题就是查找以及验证数据源的状况由于以往系统大部分都是根据不同产品和需 Copyright 2005 Oracle Corporation All rights reserved. 5

6 求独立设计的, 因此不同系统设计的原理架构使用平台也不一样, 因此这给数据源的统一带来了一定的困难在确定完数据源后, 接着就要考虑数据源的质量问题, 如何把不统一不完整的数据源变成按统一标准存放到数据仓库中就是下一个话题数据抽取转换清洗及加载 : 数据抽取转换清洗及加载 ( 简称 ETL) 可以说是数据仓库最为复杂的过程这里我们要根据系统特点建立 ETL 策略, 如什么时候进行数据的抽取抽取完后如何进行汇总和清洗清洗完什么时候加载, 抽取的频率有多高, 数据的颗粒度有多高, 是否采用 workflow 技术等 ETL 完成还要进行整个过程的监控及跟踪处理 Oracle 公司在长期进行数据仓库项目建设过程中已总结及开发成熟的数据获取工具 (Oracle Warehouse Builder), 帮助用户快速构建数据仓库数据管理功能数据仓库需要管理详细和用于分析的汇总数据如果可以在一个数据仓库中统一管理这两种数据将大大提高整个系统的可管理性和最终数据的访问一致性在数据存储层, 数据是存放在两类数据库中 : 关系型数据库和多维数据库存放在数据仓库中的数据包括详细数据汇总数据假设数据计算数据结果数据及元数据数据存储是数据仓库系统的中心, 取自多个数据源系统的明细数据, 以及用于分析的集成汇总数据都存储在这个中心它在逻辑上是一个完整的库 Oracle 10gDB 是专门针对数据仓库技术特殊技术要求而设计的 Oracle 10gDB 的特点是强大的海量数据处理能力, 大用户并发处理能力, 极强的扩展能力, 安全可靠及容易管理数据使用功能数据使用包含以下几个过程 : 分析模型信息展现工具使用用户分析模型 : 我们在考虑分析和解决一个问题时解决问题思路的雏形, 我们会结合客户的实际问题和需求进行建设信息展现工具 : 数据输出层的功能是使最终用户通过报表图形和其它分析工具的方式简便快捷地访问数据仓库系统中的各种数据, 得到分析结果 Oracle 为客户提供多种数据分析方法, 包括标准报表即席查询报表和动态分析报表, 预测, 假设分析 (What-if) 和数据挖掘等标准报表和即席查询报表是基于关系型数据库 / 多维数据库的报表输出, 标准报表是一种格式固定内容仅依据预定义的条件变化的报表, 是在系统开发时根据用户需求定制的, 最终用户无法自己修改即席查询报表的格式和内容可以由最终用户自由选择, 即支持即席查询允许最终用户控制数据的访问方法, 定义报表格式和报表中的数据内容动态分析报表支持客户对数据进行旋转切片和分层, 并从各个角度对数据进行分析和比较预测主要是根据历史数据推断将来的数据趋势假设分析允许用户设定一些 Copyright 2005 Oracle Corporation All rights reserved. 6

7 假设条件, 观察条件成立的情况下相关指标的变化数据挖掘是利用多种数学的分析方法建立模型, 找出隐含的业务规律使用用户 : 业务用户可划分为四类 ( 决策人员管理层人员分析人员和业务人员 ) 决策人员 : 决策人员能根据系统分析信息, 及时准确做出决策管理层人员知识工作者 ( 业务分析人员 ): 专门从事业务分析业务创新和数据挖掘的高级专业人员业务人员 : 即业务系统的柜面人员, 他们可以简单地访问数据仓库里的数据, 并且这些数据在业务系统里是不存在的为了能使交易人员访问数据仓库, 必须要修改柜面系统的界面, 柜面业务系统在后台同数据仓库系统进行接口交易人员只能查询一些预定义的非常简单的问题, 比如某客户去年的交易情况 2.1 Oracle 数据仓库体系结构 Oracle 公司在数据仓库建设的每一个环节上都提供了相应的技术手段及工具来保障数据仓库的顺利实现由于 Oracle 的数据仓库建立在一体化的框架下, 产品之间无缝集成, 可以大大降低数据仓库项目的成本和风险下图所示为 Oracle 公司数据仓库体系结构如图所示,Oracle 数据仓库的体系结构可以分成三个层次 : Copyright 2005 Oracle Corporation All rights reserved. 7

8 Oracle 提供了从数据抽取转换和加载, 全面统一的数据管理和前端数据使用展现的完整集成的数据仓库体系解决方案数据获取层 :Oracle Warehouse Builder(OWB) 在同一个软件中实现了从数据模型设计 ETL 流程设计和元数据管理的全部功能 Oracle 10g 提供数据获取脚本的运行平台 Oracle Warehouse Builder 生成的 ETL 脚本存储在 Oracle 10g 数据库中执行, 按照数据仓库系统的要求, 定时地完成数据的抽取并加载到数据仓库系统中由于 ETL 的执行是在 Oracle 10g 数据库中, 可以充分利用 Oracle 10g 数据库提供的强大并行处理能力, 保证数据获取的高效可靠执行数据存储层 :Oracle 10g 数据库实现对数据仓库系统各种类型数据的集中存储和管理, 包括各种结构化数据和非结构化数据 Oracle 10g 数据库内置 OLAP 和数据挖掘功能, 不需要进行复杂的数据迁移, 就可以直接在关系数据库中完成复杂的统计分析功能 Oracle 10g 数据库可以支持海量数据的存储, 一个数据库最大数据量为 8,000 PB (1PB=1024TB) Oracle 10g 提供强大的并行处理能力, 满足数据仓库系统对于性能和扩展性方面的要求系统并通过网格控制台 (Grid Control) 进行数据仓库统一管理数据展现层 :Oracle 提供多种数据分析的工具, 包括标准报表工具 ( Reports ) 即席查询工具 (Discoverer) OLAP 分析开发工具 (JDeveloper+BI Beans) 和数据挖掘工具 (Oracle Data Miner), 将统计分析的结果通过各种方式展现 Oracle 的数据展现工具使用 Java 和 HTML 两种方式实现, 基于标准的 J2EE 平台由于使用统一的元数据库, 不需要进行元数据的交换, 能够最大限度地减少系统的维护工作同时,Oracle 的数据展现工具支持通过门户 (Portal) 技术进行集成, 为不同类型的用户提供一致的访问界面 2.2 ETL 解决方案数据仓库中的数据来源众多, 包括内部存储的业务数据和外部的数据在传统上, 数据仓库中的大多数数据来自内部业务系统, 如业务系统或各客户信息系统等方面的数据然而外部来源的数据也越来越普遍, 并且将会提供比内部来源更多的数据 ETL 即数据获取转换和加载, 是数据仓库实现过程中, 进行数据由数据源系统向数据仓库加载的主要过程从功能上看, 整个 ETL 包括三个部分 : 1. 数据获取 : 从数据源系统抽取数据仓库系统需要的数据 ; 2. 数据转换 : 对从数据源获取的数据进行清洗, 转换成数据仓库要求的形式, 对数据进行转换 ; 3. 数据加载 : 将转换后的数据装入数据仓库 Oracle 为 ETL 提供功能完整灵活的解决方案, 能够适应各种不同的系统状况和网络架构, 用户可以根据系统的需求方便地进行选择和配 Copyright 2005 Oracle Corporation All rights reserved. 8

9 Oracle 解决方案中的 ETL 部分充分利用了 Oracle 数据库中集成的 ETL 引擎来完成, 通过 OWB 进行设计因此用户可以利用到 Oracle 数据库所提供的可扩展性和技术的投资保护置 Oracle 可以支持主动数据采集和被动数据采集两种方式, 主动采集要求各业务系统主动输出数据 ; 被动采集是数据仓库直接去各业务系统数据库中采集数据, 被动采集要求各业务系统为本数据仓库系统开放数据库连接, 同时要求业务系统为本数据仓库系统提供业务系统元数据 Oracle 的数据获取方案能够充分满足数据仓库系统对于 ETL 性能上的要求, 同时能够把对业务系统的影响降到最小, 实现高效可靠的数据获取 Oracle Warehouse Builder( 以下简称 OWB) 是 Oracle 公司提供的一个帮助企业构建数据仓库的集成工具 OWB 将从前各自分离的产品提供的功能集成到一个公共的环境这些功能包括 : 数据模型构造和设计数据抽取转换和装载 (ETL) 元数据管理分析工具的整合以及数据仓库的管理 OWB 提供了一个框架将数据仓库的各个部分包括关系数据库服务器 OLAP 服务器和前端分析工具相结合, 从而产生了一个紧密集成全面的数据仓库和商业智能 (BIS) 解决方案 OWB 提供图形化的工具箱, 帮助用户定义转换过程 OWB 可以实现数据的聚合去重过滤连接排序拆分寻找关键字旋转等转换功能 2.3 数据仓库核心引擎在完成数据转换过程后, 需要将数据最终加载到数据仓库中数据的追加策略根据数据的抽取策略以及业务规则确定,Oracle 可以支持以下三种类型 : 直接追加全部覆盖更新追加利用 Oracle 数据库的管理工具 Enterprise Manager, 可以对 ETL 全过程进行调度 (Scheduling), 根据用户的要求, 在指定的时间定时执行 OWB 可以对 ETL 过程进行监控和审计 OWB 还可以与 Oracle 工作流产品 Oracle Workflow 集成, 实现数据采集的流程化, 例如 : 首先加载客户资料, 再加载客户服务使用信息 Oracle 数据仓库解决方案除提供了完整的解决方案外, 其核心数据仓库引擎 (Oracle 10gDB) 拥有专门支持数据仓库技术的特点 : 1. 海量数据 (+TB) 存储及处理能力 2. 高可靠性高可用性 3. 强大的并行处理能力, 支持复杂的, 大数据量的突发查询的能力 4. 快速响应时间, 高性能 5. 强大的复杂查询技术 6. 高可扩展能力 7. 高安全性 8. Oracle 开放式网关提供异种数据源访问技术 9. 易于管理 10.Oracle 10g 高度集成 Copyright 2005 Oracle Corporation All rights reserved. 9

10 在 Oracle10g 数据库中下列关键技术可以满足数据仓库系统对海量数据管理及复杂查询的要求 : ( 一 ) 数据分区技术 Oracle 的分区技术让您通过分而治之的方式来轻松管理您海量的数据并且提高数据访问的性能 Oracle 数据分区将大表和索引分成可以管理的小块, 从而避免了对每个表作为一个大的, 单独的对象进行管理分区 (partitioning) 是一种分而治之的技术, 它为海量数据管理提供了可扩展的性能分区通过将操作分配给更小的存储单元, 减少了需要进行管理操作的时间分区对应用是透明的, 可以通过标准的 SQL 语句对分区表进行操作通过分区忽略技术,Oracle 数据库的优化器在访问数据时会分析数据的分区情况, 在进行查询时, 那些不包含任何查询数据的分区将被忽略, 从而大大提高系统的性能分区技术还提高了数据的可用性当部分数据由于故障或其它原因不可用时, 其它分区内的数据可用不受影响继续使用 Oracle 10g 数据库企业版支持多种数据分区方式, 包括 : 范围分区 (Range Partition) 列表分区(List Partition) 散列分区(Hash Partition), 以及以上各种分区组合的复合分区 (Composite Partition) 在 Oracle 10g 支持的所有操作系统版本中均支持以上各种数据分区方式 ( 二 ) 并行处理技术通过并行处理技术, 您可以充分利用您主机中的处理能力来提高对数据的查询以及插入修改和删除等的操作性能 Oracle 数据库可以支持多种操作的并行处理, 包括数据的查询以及插入修改删除等 DML 操作这些操作的并行与数据是否分区数据分区的方式没有依赖关系在不分区的数据表上的操作也是并行处理的, 对单个分区内部的数据操作也可使用并行处理执行并行操作时, 并行处理协调器从缓冲池中获得并行处理服务器并将它们分配至该操作在该语句已被完全处理之后, 并行处理服务器返回到缓冲池中用于某个操作的并行处理服务器的数量称为并行度 (DOP), 它是在查询执行时根据系统的当前工作负载和其它条件 ( 如用户查询的业务优先级 ) 确定的关于并行一切操作的知识内置在数据库优化器中 ; 当确定某个语句的执行计划时, 会决定关于每个操作的 DOP 和最佳并行化方法例如, 全表扫描的并行操作可能会按数据库块进行, 而索引范围扫描的并行操作可能是按分区进行此外, 每个操作的重新分发要求也会被确定一个操作的重新分发是指在并行处理服务器中划分或重新分发执行操作的行在服务器集群环境中, 可以在集群中的所有一些或仅一个群集节点上启动 PX 服务器这是由数据库根据并行处理计划和当前系统与节点工作负载动态确定的它总是会在任一时刻保证最佳的系统吞吐量 ( 三 ) 强大的复杂查询技术对于数据仓库, 首先必须满足最重要的性能要求典型地, 终端用户使 Copyright 2005 Oracle Corporation All rights reserved. 10

11 自动内存管理减轻了数据维护和管理的成本物化视图技术大大提高了复杂查询的性能用工具或应用程序来访问数据仓库终端用户唯一能看到的数据库特性是性能 : 数据库以何速度处理某一指定查询的结果, 并且将结果返回到用户所用的工具和应用程序 Oracle 数据库中可以综合运用多种机制, 包括索引技术物化视图技术内存管理技术, 用于对即席查询访问进行优化, 保证系统的快速响应时间 Oracle 数据库为每个查询提供了一套自动的动态分配运行内存的机制不仅减轻了数据库管理员调整运行内存的负担, 而且它的内存分配方法远比手动调整内存参数的分配法更精确通过自动分配运行内存,Oracle 将提高整个数据仓库的吞吐能力在同样的性能水平上, 数据仓库将支持更多的用户, 因为数据仓库现在利用内存的效率更高物化视图能够提高几乎所有类型的查询性能物化视图应看作是一种特殊的视图, 它物理地存在于数据库中, 可包含连接与 / 或集合, 并且通过预先计算查询执行前费时的连接和集合操作, 能够改善查询执行时间 ( 四 ) 数据压缩 Oracle 数据库中的数据压缩技术不但可以帮助您提高磁盘的使用率还能提高整个 I/O 的效率由于数据仓库中的数据膨胀迅速, 因此如何有效管理大数据量, 提高磁盘空间的利用率, 减少 I/O 操作, 就成为降低数据仓库成本, 乃至决定数据仓库项目成败的关键因素在 Oracle 10g 数据库中引入了独特的数据压缩技术, 用于数据存储 Oracle 的数据压缩技术在减少磁盘使用的同时, 对系统性能几乎没有任何负面影响数据压缩带来的主要好处是对于磁盘存储空间的节省由于 I/O 操作减少, 将提高全表扫描操作的效率即使是通过索引访问数据, 由于在 Cache 缓冲区中可以保存更多数据, 也可以提高数据访问的效率 2.4 元数据管理解决方案 Oracle 已经用不同行业的实际用户数据做过大量的数据压缩测试, 大型数据仓库的压缩比例通常为 2:1 到 4:1 某些业务的数据有可能获得更高的压缩比, 例如, 一家大型电信运营商的话单数据压缩比达到 12:1 其它测试中, 某些行业的销售汇总数据的压缩比可以达到 5:1 元数据是关于数据的数据, 是数据仓库中数据及处理过程的描述性数据元数据包含了数据仓库中数据的位置结构意义的详细描述, 包括数据索引映射信息用于转换及汇总的算法及商业规则元数据能够让用户了解到数据仓库中有什么数据以及怎样使用这些数据元数据涉及到数据仓库构造运行维护的整个生命周期, 是数据仓库系统构建过程中十分重要的一环按照元数据的使用情况和面向对象的不同, 可以将元数据分为业务元数据技术元数据操作元数据 Copyright 2005 Oracle Corporation All rights reserved. 11

12 好的元数据管理可帮助您更好地维护您整个数据仓库的生命周期, 让您从容应对系统的不断变化业务元数据用业务名称定义描述和别名来表示数据仓库和业务系统中的各种属性, 直接供最终用户使用业务元数据使最终用户能够更好理解使用数据仓库, 成为最终用户在数据仓库中的业务地图例如, 最终用户通过浏览元数据可以清晰地了解当前指标代表什么业务如何计算得出的以什么为单位等相关描述信息技术元数据描述了源系统数据转换抽取过程加载策略以及目标数据库的定义等技术元数据可供数据仓库设计人员管理员和一部分最终用户使用, 用于执行数据仓库开发和管理任务, 如影响分析变化管理数据库优化任务调度和安全管理等操作元数据描述了目标表中的信息, 如粒度创建目标表和索引的信息刷新时间记录数按时执行任务的设置以及有权访问数据的用户操作元数据用于数据仓库的维护和分布 2.5 信息展现解决方案 Oracle 元数据的设计与管理功能集成在 Warehouse Builder 中 Oracle 采用集中式的元数据存储, 元数据库 (Repository) 存储在关系数据库中, 便于维护和扩展 Oracle Warehouse Builder 为业务人员和开发人员提供完整的元数据视图元数据视图用于描述数据仓库对象和对象之间的依赖关系元数据视图的访问既可以通过 Windows 图形工具访问, 也可以通过浏览器窗口访问用户可以看到从数据源到最终业务报表生成的全过程, 何时生成维 (Dimension), 何时生成事实 (Fact), 数据是如何汇总的, 生成了哪些伪列用户既可以看到对象之间的逻辑关系, 也可以看到实际生成的 ETL 脚本, 可以把脚本输出以进行定制这种功能对于复杂的项目或有许多人员参加的团队项目特别有帮助 Oracle Warehouse Builder 可以自动实现业务系统和元数据库的同步, Oracle Warehouse Builder 可以对源数据进行分析, 确定和以前元数据的区别由用户决定哪些对象需要更新以及如何更新 Oracle Warehouse Builder 将生成影响分析报表, 供用户决定是否需要更新 Oracle 提供了基于数据仓库的范围广泛的工具集, 能够帮助各种类型的用户访问数据仓库中存储的数据, 我们把数据仓库的用户分为两类 : 第一类是对数据进行随意查询和报告, 深入和旋转, 这类用户需要一种直接和直观的工具, 帮助他们轻松地访问数据, 从而做出明智的商业决策另外一类用户是企业的高级管理者和决策者, 他们需要进行更复杂更高级更完全的分析 ( 建模, 预测和假设分析等 ), 以支持制定商业策略上述两类用户体现了整个企业对于信息访问的需求信息利用的主要功能是提供一个数据访问层, 使数据仓库系统使用人员通过报表和图形的方式, 简便快捷地访问数据仓库系统中的各种数据并进行各种分析预测操作信息利用可以提供多种数据加工展现方法, 包括预定义报表即席查询多维动态分析和数据挖掘 Copyright 2005 Oracle Corporation All rights reserved. 12

13 考虑一下, 使用统一的平台来提供应对不同需求的数据获取和分析工具, 并且进行企业统一的身份管理和门户访问将对您的整体系统减少多少开发和管理成本? Oracle 数据访问功能集成在 Oracle 应用服务器 Oracle Application Server(OracleAS) 中 OracleAS 是市场上领先的应用服务器产品, 它为开发部署 Web 上的应用提供了一个开放标准的架构, 它的可伸缩性分布式架构和高度数据库集成是支持大用户量数据访问的基础一个集成的产品包交易处理企业门户应用缓存商业智能移动访问业务系统集成 Oracle 数据展现平台 OracleAS 的商业智能组件集成了报表查询和 OLAP 分析功能, 并且可以为用户访问提供一个统一的门户入口, 实现预定义报表即席查询和 OLAP 分析的无缝连接, 并提供集成化的认证信息发布和管理环境, 使数据仓库系统使用人员无需关心具体的技术实现途径, 即可实现对数据仓库系统数据的访问和分析同时门户站点还可根据不同类型的分析和决策人员的需求, 对所需的访问和分析内容进行方便简捷的定制, 以满足个性化信息服务的需求 ( 一 ) 定制报表数据仓库的一个重要功能在于满足日常生产报表的需求报表的制作是一项费时的工作, 而且业务部门往往会随时对报表提出新的需求 Oracle Reports Developer 是稳健高效率的企业报表工具, 用于快速构建高质量的基于动态或静态数据的报表通过向导驱动的方法,Reports Developer 提供一个图形布局编辑器, 根据声明的以文档为中心的开发模型构建复杂的报表对于新用户来讲,Reports Developer 可以快速生成所需的报表, 减少报表开发的复杂度 ; 对于有经验的开发人员来讲, 该工具提供高级的性能, 以帮助用户解决大多数富有挑战性的包含复杂查询和编程逻辑的报表 Copyright 2005 Oracle Corporation All rights reserved. 13

14 Oracle Report 让您可以在任何终端访问来自任何数据源的任何格式的数据 Oracle 数据仓库技术白皮书使用 Reports Developer 开发的报表能通过 Oracle10gAS Reports Services 立即部署到企业内部网或互联网上 Reports Developer 和 Oracle10gAS Reports Services 提供强大的开发和部署平台, 在无与伦比的可伸缩安全的环境下构建与发布动态生成的网络报表, 使您访问任何数据, 以任意的格式发布, 并且随处可用 ( 二 ) 即席查询 Oracle Discoverer 让您的业务员可以轻松地完成来自详细数据 (ROLAP) 或是汇总数据 ( MOLAP) 的分析报表 Oracle Discoverer 是直接基于数据仓库关系型数据库进行分析的查询分析工具由于在开发过程中进行了广泛的使用测试, 以及最终用户自始至终的参与, 因而在今天的市场上,Oracle Discoverer 被公认为最易于使用的随意查询报告和分析工具 Oracle Discoverer 提供各种向导式界面图形查询生成器联机帮助提示窗口等, 用户无需经过专业的培训, 通过简单的鼠标拖拉操作即可实现即席查询报告生成图表生成深入分析和发布等功能 Oracle Discoverer 帮助最终用户在不需要了解 SQL 或者数据库结构的情况下, 建立查询报告, 以及执行功能强大的搜索只需拖拉式操作, 就能直接访问所需数据, 以及改变工作面的布局通过使用直观的循序渐进的 Wizard 界面, 能够建立条件过滤器和计算项目不必担心数据类型括号函数名或者数据值由于 Oracle Discoverer 能够充分利用 Oracle 数据库提供的性能优化技术, 能够动态地生成性能优化的 SQL 查询, 为数据的即席查询深入和旋转提供最佳性能 ( 三 ) 联机分析处理 (OLAP) 您可以在 Oracle 数据库 10g 中统一管理关系型的分析数据源和联机分析处理应用的数据源从而大大提高数据的统一管理性, 降低您的维护成本在传统的数据仓库系统中, 数据访问根据技术分为两个部分 : 复杂度较低的固定报表和即席查询应用通常是直接访问基于关系数据库的数据仓库服务器, 而复杂度较高的联机分析处理应用 (OLAP) 程序则需要通过专门的多维数据库和工具实现专门的多维数据库提供一整套的分析功能, 查询性能更好, 但系统的维护成本巨大多维数据库需要从数据仓库复制数据, 获取数据的时间延迟相当长独立的管理过程需要专门的数据建模 ETL 过程安全措施和灾难恢复方案对于拥有海量数据的数据仓库系统而言, 这个问题会变得更为突出由于业务量非常庞大, 数据仓库的容量会膨胀得很快, 相应的 OLAP 分析部分的数据量也会随之快速增长而目前市场上的多维数据库产品只能支持规模有限的数据集当数据量增长到一定规模时, 系统性能会急剧下降, 使数据访问应用变得不可使用 Oracle10g 作为新一代的数据仓库引擎, 它的目标是实现数据可管理性和分析能力之间的平衡通过对 SQL 的扩充以及在关系数据库中提供 OLAP 功能,Oracle10g 实现了在支持复杂分析查询和提供卓越性能的同时, 简化了数据迁移过程并降低了维护数据的费用 Copyright 2005 Oracle Corporation All rights reserved. 14

15 Oracle10g 中有一个新的 API 即 Java OLAP API, 它提供了复杂的多元查询的表示方法, 并且它被设计来构造因特网环境下的 OLAP 应用程序为了加速 OLAP 应用的开发,Oracle 提供 BI Beans BI Beans 是一种 Java Beans, 提供为 Oracle10g OLAP 设计的侧重于分析的应用构件块 Oracle BI Beans 可以集成到 Oracle 的 Java 开发工具 JDeveloper 中, 帮助开发人员快速地开发 OLAP 应用 ( 四 ) 数据挖掘如今您不再需要把您已有的数据仓库中的数据再次抽取到其他的分析服务器中去了在 Oracle 数据库 10g 中我们已经集成了此功能数据挖掘可以帮助用户发现在数据中隐含的有用信息利用这类有用信息, 能够更好地理解客户行为, 与客户建立更密切的联系 Oracle 数据库中集成了数据挖掘功能, 它避免了把大量数据卸载到外部专用分析服务器的复杂过程所有的数据挖掘功能都嵌入到了 Oracle10g 数据库中, 这样, 数据准备模型建立以及模型评估活动都在数据库内进行 Oracle 数据挖掘使用各种最新算法, 允许公司提取出隐藏的信息数据挖掘算法是针对特定类型的问题而对数据进行分析的机器学习技术不同的算法擅长不同类型的分析 Oracle 数据挖掘支持监督式学习技术 ( 分类回归和预测问题 ) 无监督式学习技术 ( 聚类关联和特征选择问题 ) 属性重要性技术 ( 找出关键指标 ) 文本挖掘, 并提供一种用于生命科学序列搜索和排列问题的特殊算法 Oracle 数据挖掘提供了三种监督式学习算法 : 朴素贝叶斯 (Naïve Bayes,NB) 自适应贝叶斯网络 (Adaptive Bayes Networks,ABN) 和支持向量机 (Support Vector Machine,SVM), 用于分类和预测在非监督式学习方面,Oracle 数据挖掘提供了四种算法 : 增强的 k -Means 聚类和正交分区聚类, 用于找出数据中的自然分组 ; 关联规则用于找出同时发生的事件之间的关系 ; 非负矩阵因式分解 (NMF) 用于特性的创建以及减少属性数量 Oracle 数据挖掘为属性重要性问题提供了最短描述长度 (MDL) 算法, 以识别对相关字段或属性上最有影响的属性最后, Oracle 数据挖掘还包含 BLAST( 基本局部匹配搜索技术 ), 用于搜索基因组和蛋白质组数据, 以找出与指定序列最匹配的序列总体说来, Oracle 数据挖掘算法能够解决广泛的商务技术和科学数据挖掘问题由于 Oracle 在关系数据库中实现了数据挖掘的各个阶段, 因此, 数据挖掘的各个阶段在生产效率自动化集成化方面得到了重大的改进生产效率方面的重大改进是由于避免了把海量数据卸载到外部专用数据挖掘服务器上以及将数据挖掘结果重新装载到数据库中而获得的这些改进在数据准备过程中是非常重要的, 因为数据准备阶段占整个数据挖掘过程的 80% 左右利用 Oracle10g 数据挖掘, 所有的数据准备可以使用标准的 SQL 操作和 Oracle10g 数据挖掘内部的数据挖掘工具来实现由于数据和模型被存储在相同的数据库中, 因此, 对预测的评估变得非常简单既不需要将数据移动到模型中, 也不需要先将模型卸出为 Copyright 2005 Oracle Corporation All rights reserved. 15

16 代码 ( 一般为 C,C++ 或 Java 代码 ), 再将模型转换为数据, 然后在数据库中进行评估 ODM JAVA API ODM 的 Java API 提供对数据挖掘函数的程序化控制, 能够自动进行数据准备建模和模型计分操作, 以构建高级 BI 应用程序 ODM DBMS_DM PL/SQL API 应用程序开发人员可以使用 ODM 的 PL/SQL API 来构建高级 BI 应用程序, 利用了一系列可以在 PL/SQL 程序块中调用的 SQL 基元 ODM 的 PL/SQL API 提供了一种大多数 Oracle 服务器开发人员和数据库管理员 (DBA) 所熟悉的语言和开发方法 Oracle Data Miner Oracle Data Miner 为数据分析人员提供了一个图形用户界面, 用于构建评估和应用数据挖掘模型 Oracle Data Miner 指导数据分析人员完成数据挖掘过程 ODM Data Miner 支持同时构建模型和应用程序, 因为它可以自动生成与数据挖掘操作相关联的 Java 和 / 或 SQL 代码这种数据挖掘过程和应用程序开发过程的紧密结合使 ODM 成为构建自动化的集成数据挖掘应用程序平台独一无二的选择此外, 在 Oracle JDeveloper 中还集成了数据挖掘应用的开发功能, DM4J(Data Mining for Java) 提供了多种模型建立向导 (Wizard), 能够协助业务分析人员和开发人员快速地建立数据挖掘模型和对模型进行检验 Copyright 2005 Oracle Corporation All rights reserved. 16

17 3 数据仓库最佳实践 3.1 如何规划数据仓库项目数据仓库 (data warehouse) 是一个面向主题的集成的随时间变化的但信息本身相对稳定的数据集合, 它是为管理决策过程提供信息支持这些特点决定了数据仓库的系统规划与设计不能采用同开发传统的 OLTP 数据库一样的规划和设计方法数据仓库的规划主要产生建设数据仓库的策略规划, 确定建立数据仓库的长期计划, 并为每一建设阶段设定目标范围和验证标准数据仓库的策略规划包括 : 明确用户的战略远景业务目标确定建设数据仓库的目的和目标好的策略规划是成功的一半, 对于数据仓库项目的建设也是一样, 我们希望在此可以和您一起分享定义清楚数据仓库的范围优先顺序主题和针对的业务定义衡量数据仓库成功要素定义精简的体系结构使用技术配置容量要求等定义操作数据和外部数据源确定建设所需的工具概要性的定义数据获取和质量控制的策略数据仓库管理元数据管理数据访问测试和培训策略其中非常重要的一条就是业务目标, 从第一章里谈到, 建设数据仓库的目的就是通过集成不同的系统信息为企业提供统一的决策分析平台, 帮助企业解决实际的业务问题 ( 如 : 如何提高客户满意度和忠诚度, 降低成本提高利润, 合理分配资源, 有效进行全面绩效管理等 ) 因此在规划数据仓库时要充分考虑如何满足业务目标, 以应用驱动, 数据仓库建设应由后向前规划数据仓库体系的建设将是一个系统工程它的规划设计开发投产改造将是一个循环往复长时期的工作, 数据仓库的建设过程中应该遵循 : 在大中心的模式下, 实现信息集中管理, 统筹规划整体设计分步实施的原则同时, 在系统实施过程中要体现统一规划统一标准统一选型统一开发的四统一原则 Copyright 2005 Oracle Corporation All rights reserved. 17

18 3.2 如何建设数据仓库项目建立数据仓库是一个解决企业问题的过程, 业务人员往往不懂如何建立和使用数据仓库, 发挥其决策支持的作用 ; 信息部门的人员往往又不懂业务, 不知道应该建立哪些决策主题, 从数据源中抽取哪些数据因此数据仓库的项目小组应该由业务人员和信息部门的人员共同组成, 双方需要相互沟通, 协作开发数据仓库开发数据仓库的过程包括以下几个步骤 : Oracle 的整体解决方案帮助您从业务出发, 快速方便地开发您的数据仓库和商业智能系统 1. 系统分析, 确定主题 : 建立数据仓库的第一个步骤就是通过与业务部门的充分交流, 了解建立数据仓库所要解决的问题的真正含义, 确定各个主题下的查询分析要求 2. 选择满足数据仓库系统要求的软件平台 : 当数据仓库所要解决的问题确定后, 第二个步骤就是选择合适的软件平台, 包括数据库建模工具分析工具等这里有许多因素要考虑, 如系统对数据量响应时间分析功能的要求等 3. 建立数据仓库的逻辑模型 : 逻辑数据模型应该包括 ( 企业的主要主题主题之间的关系主题的键主题的属性等 ) 4. 逻辑数据模型转化为数据仓库数据模型 5. 数据仓库数据模型优化 : 数据仓库设计时, 性能是一项主要考虑因素在数据仓库建成后, 也需要经常对其性能进行监控, 并随着需求和数据量的变更进行调整 6. 数据清洗转换和传输 : 由于业务系统所使用的软硬件平台不同, 编码方法不同, 业务系统中的数据在加载到数据仓库之前, 必须进行数据的清洗和转换, 保证数据仓库中数据的一致性 7. 开发数据仓库的分析应用建立数据仓库的最终目的是为业务部门提供决策支持能力, 必须为业务部门选择合适的工具实现其对数据仓库中的数据进行分析的要求 8. 数据仓库的管理只重视数据仓库的建立, 而忽视数据仓库的管理必然导致数据仓库项目的失败数据仓库管理主要包括数据库管理和元数据管理 Copyright 2005 Oracle Corporation All rights reserved. 18

19 4 全球最大的数据仓库是如何建造的数据仓库的发展历史已经有 20 年了, 从数据仓库的定义可以看得出, 数据仓库是随着时间的推移数据量会越来越大, 因此对系统的要求也会越来越高如何评测数据仓库的好与不好有这么一个机构 Winter Corporation 是一家独立的权威的评测机构, 专门针对 OLTP 和 DSS 系统进行调查和评测 Winter Corporation 在 2003 年十一月份评测出最新的全球最大的数据仓库项目, 该评测的标准依据系统的扩展能力处理能力灵活性结果如下 : 结果显示全球最大的数据仓库项目为法国电信 (France Telecom) Oracle 全球有 1000+DW 客户案例, 其中 200 家以上为 TB 级别 4.1 案例一电信行业客户利用 Oracle 数据仓库管理海量数据 (65TB) 这是一家欧洲第三大电信运营商,2000 年营业额为 337 亿欧元在五大洲 220 个国家和地区拥有 9100 多万客户业务需求该电信公司原来已经有一个基于设计思想和技术陈旧的数据仓库系统, 但由于原有系统在灵活性和扩展性方面无法满足这样的需求, 法国电信决定重新选择应用平台 2000 年, 该电信决定建立一个全新的数据仓库系统, 他们把这个系统命名为 Symphonie 建立统一的数据信息平台, 实现客户资料和生产数据的集中存储利用先进的数据仓库技术和决策分析技术为市场营销和客户服务工作提供有效的支撑 : Copyright 2005 Oracle Corporation All rights reserved. 19

20 流失分析欺诈分析客户发展分析客户关系管理影响分析等经营分析 Oracle 解决方案 Oracle 公司在充分考虑该电信业务发展的需要及现有数据仓库的弊端, Oracle 数据仓库凭着其强大的扩展能力海量数据处理能力灵活性及安全性取得了法国电信的认可客户选择了 Oracle 8i 作为数据仓库的核心引擎,2003 年的数据量已达到 65TB, 每天加载 5 亿条记录到数据仓库系统上, 充分证明了系统的扩展能力和处理能力系统采用了 Oracle 数据仓库的核心技术 : 分区技术物化视图位图索引并行实施效益更加及时准确掌握客户信息, 更好地根据客户需要提供服务建立全公司业务单一视图, 提高数据的质量和准确度, 统一决策信息集成带来的更大更长久的降低成本大大提高数据仓库的灵活性, 更多的硬件选择全面了解客户的使用行为, 实现市场细分和欺诈行为检测 4.2 案例二金融业客户利用 Oracle 数据仓库解决方案解决利润成本风险和客户关系管理该银行成立于 1811 年, 是澳大利亚历史最悠久的银行, 也是澳大利亚第一大银行, 同时也是世界前 100 家最大的金融机构之一它的总资产达到 1000 亿美元它的主要业务范围包括金融保险资金管理和客户服务等业务需求随着银行业务的不断发展, 该银行在管理上面临着两个重大挑战首先 Copyright 2005 Oracle Corporation All rights reserved. 20

21 是技术上的挑战该银行在全国拥有 1600 个代理点,31000 名员工和大约 700 万个客户帐户为跟踪了解银行的经营情况, 该银行设立了 13 个分类帐, 帐目取自于 80 个来源但该银行没有办法将那些分类帐统一起来, 因此也就不能在相同的经营项目之间进行精确的比较该银行甚至为此专门成立了一个有 57 名员工的部门, 这个部门的任务就是对银行内部的数据进行重新合并和转移, 这个部门每年的开支为 500 万美元, 成本高居不下另一个挑战来自残酷的市场竞争由于该银行内部系统不能集成, 管理层不得不将管理重点放在内部会计系统上, 而没有精力去研究市场, 研究客户的需要由此造成的后果是大量的客户流失, 客户满意度下降阻碍业务发展的关键因素 : 繁多的数据来源零散的客户信息无法进行赢利性管理无法进行利率风险控制 Oracle 解决方案 Oracle 为该银行提供了全面的数据仓库解决方案, 通过强大的 Oracle 数据仓库技术平台结合 Oracle 现成的金融服务应用 (OFSA) 以解决困扰管理层多年的上述问题本方案是采用 Oracle 数据仓库技术为核心, 保证整套系统强大的处理能力扩展能力和分析能力同时应用 Oracle OFSA 软件进行利润贡献度计算资金移转计价风险管理和客户关系管理, 全面为银行提供决策支持选择 Oracle 产品 Oracle 数据仓库技术平台 a) Oracle Designer b) Oracle DB c) Oracle Discoverer d) OEM OFSA 应用软件包 (TP PA RM 和 OFDM 模块 ) Financials General Ledger 实施效益利用 Oracle 的解决方案, 为该银行解决了以下四个长期困扰管理层的问题数据的一致性问题客户关系管理问题风险管理问题赢利性管理 Copyright 2005 Oracle Corporation All rights reserved. 21

22 Oracle 公司长期致力于数据仓库解决方案的设计与实施, 在全球拥有 1000 家以上数据仓库客户, 其中 200 多家客户的数据仓库的数据量已超过 1TB Oracle 数据仓库客户遍布全球各行各业 ( 如金融电信政府能源交通消费品等 ) 更值得一提的是,Oracle 数据仓库系统是最具开放性的, 不管在 IBM HP Sun Compaq 等主流平台上表现同样出色下面为不同平台上 Oracle 数据仓库的部分客户列表 : Oracle DW Customer Examples 200+ customers in Oracle Terabyte Club Citibank Singapore 6 TB database (4 TB raw) Grows 80 GB a month Acxiom 12 TB database (6 TB raw) Compaq ES320 Amazon.com 13 TB database (9 TB raw) HP Superdome BankOne 12 TB database (4.8 TB raw) IBM SP France Telecom 49 TB database (25 TB raw) HP Superdome KT (formerly Korea Telecom) 4.3 TB database (3.4 TB raw) Compaq GS140 cluster La Caixa 3.3 TB database (1.6 TB raw) Sun E15000 O2 Germany 5 TB database (3 TB raw) Sun E10000 T-Mobile Austria 4.5 TB database (3.7 TB raw) Sun E6500 Telecom Italia Mobile 16 TB database (10 TB raw) 4-node Compaq cluster Copyright 2005 Oracle Corporation All rights reserved. 22

23 5 您们如何得到我们的帮助联系方法 : 销售热线 : 北京办公地点 : 北京市建国门外大街 1 号国贸大厦 2 座 2208 室电话 : 传真 : 邮编 : 上海办公地点 : 上海市卢湾区湖滨路 222 号企业天地商业中心 1 号楼 16 楼电话 : 传真 : 邮编 : 广州办公地点 : 广州市天河北路 233 号中信大厦 57 楼室电话 : 传真 : 邮编 : 成都办公地点 : 成都市人民南路二段 18 号四川川信大厦 15 层 C-1 室电话 : 传真 : 邮编 : Oracle 公司介绍 Oracle 公司成立于 1977 年, 是全世界第二大独立软件厂商及最大的关系数据库厂商 Oracle 公司在全世界 145 个国家设有分支机构,2004 财政年度营业额为 102 亿美元 Oracle 公司的主要产品包括 Oracle 数据库服务器产品,Oracle 应用服务器产品,Oracle 开发工具和 Oracle 应用软件独立的市场分析组织 Gartner Group 下属的 Dataquest 2004 年五月的最新调查表明 Oracle 在关系数据库市场上占有 42.9% 的市场份额, 在 Linux 平台占有 69% 的市场份额, 从而连续而稳固地保持着领先的位置 Oracle 公司清楚地认识到一个高科技公司要在高度竞争的市场环境中始终处于领先地位, 首先要在技术上有不断进取创新的精神, 同时要积极探索新的技术领域 Oracle 公司 20 多年的发展历史也充分证明了这一点 Oracle 公司非常重视新技术的开发和产品的质量, 投入大量资金 Copyright 2005 Oracle Corporation All rights reserved. 23

24 作为开发研究投资多年来在科研方面的巨额投资, 使得 Oracle 在技术上一直处于世界的领导地位, 这也是 Oracle 公司始终能够帮助客户提供完整的解决方案的根本原因 Oracle 在数据仓库领域中有着广泛的专业技能及行业经验数据仓库领域的用户在选择软件产品时有一个共同特点, 就是不只图价格便宜, 而是非常有远见地将注意力集中在产品本身的价值系统的长期规划和解决方案的开放性上, 他们都希望自己所建的系统不仅能满足当前的需要, 而且能不断发展和提升, 并与其它系统集成, 保持它的先进性和高效率, 因而,Oracle 成了他们的最终选择 Oracle 公司于 1985 年进入中国市场, 并在 1989 年在北京设立代表处 1991 年,Oracle 中国公司成为第一家在中国建立独资公司的外国软件厂商, 并相继在上海广州和成都设立办事处 Oracle 中国公司一向注重产品的技术支持和服务, 目前 Oracle 公司在中国的 800 多名员工中, 有 65% 为技术支持和服务人员先进的技术和优质的服务使 Oracle 在中国的用户不断扩大庞大的用户队伍不只是代表了 Oracle 公司在中国的巨大成功, 更重要的是它为新老用户提供了借鉴经验交流体会的良好机会, 使得他们能够更充分利用 Oracle 的先进产品和技术得到证明的产品和技术以及广泛的用户基础使 Oracle 被认为是风险最低的选择, 在中国的用户遍及政府邮电金融交通能源冶金国防航空航天教育科研医疗生产制造等重要领域, 并在许多行业成为数据库标准 Oracle 公司不仅及时地将最优秀的产品介绍给中国用户, 而且积极地将世界上最先进的技术带到中国来 Oracle 已为中国培养出 5000 多名学员 Copyright 2005 Oracle Corporation All rights reserved. 24

水晶分析师

水晶分析师大数据时代的挑战产品定位体系架构功能特点大数据处理平台行业大数据应用 IT 基础设施数据源 Hadoop Yarn 终端统一管理和监控中心(Deploy,Configure,monitor,Manage) Master Servers TRS CRYSTAL MPP Flat Files Applications&DBs ETL&DI Products 技术指标 1 TRS