『壹』 數據倉庫，大數據和雲計算有什麼區別和聯系
您好，上海藍盟為您解答。
首先簡單的看一下雲計算與大數據的概念.
1)雲計算:雲計算本質上是一種計算資源集中分布和充分共享的效用計算模式,其中集中是為了計算資源的集約化管理,分布是便於擴展計算能力.集中分布式是針對雲服務提供商的,充分共享是針對用戶,在雲計算中,雖然對於每個雲用戶來說都擁有一台超級計算機,但本質上,這些用戶是充分共享了雲服務商所提供的計算服務.而效用計算更多的是一種商業模式,就是用戶按所需服務來付費.
2)在前面的博文中,對大數據有個討論,簡單的說,大數據的特點就是數據量大(雖然很多人都把大數據定義在T級別以上,其實我覺得這是有問題的,大數據的大其實應該是個相對概念,是相對於當前的存儲技術和計算能力的),數據應用需求大,計算量大.數據量大是最基本的,需求大其實包含了需求的數量、多樣性和實時性.計算量大是因為數據量大和需求量大和演算法復雜（檢索，推薦，模式識別）所致.大數據的這種特點使得我們很難找到通用的處理模式來解決大數據所面臨的問題，我們只能針對不同的需求採用不同的處理方法，這也是大數據處理比較困難的症結所在。無論是傳統的資料庫還是最近興起的NoSQL資料庫，在大數據存儲和處理方面其實都是有非常大的局限性的，所以分布式計算才在大數據處理中大興其道。Hadoop雖然提供了比較完整的一套處理模式，但相對於大數據所面臨的應用需求的多樣性而言，能處理的問題域也是十分有限的。
資料庫和數據倉庫的概念，大家google一下就可以了，接下來，我們看看它們之間的關系：
1）資料庫和數據倉庫都是數據的一種存儲方式，大數據處理更多的是一種需求(問題)，而雲計算是一種比較綜合的需求(問題)解決方案。
2)由於雲計算本身的特性，天生就面臨大數據處理(存儲、計算等)問題，因為雲計算的基本架構模式是C/S模式，其中S相對集中，而C是廣泛分布。所有用戶的數據和絕大部分的計算都是在S端完成的（數據量大，計算量大），加上用戶也天然具有多樣性（地域，文化，需求，個性化等），因此需求（也包括計算量）就非常大。
3)雲計算當然會涉及到數據的存儲技術，但資料庫技術對於雲計算來說要視具體的情況來分析：
A)對於IaaS而言，資料庫技術不是必需的，也不是必備的功能；
B)對於PaaS來說，資料庫功能應該是必備的功能
C)對於SaaS而言，必然會用到資料庫技術（包括傳統關系資料庫和NoSQL資料庫）。
而對於數據倉庫技術，並不是雲計算所必需的，但由於雲數據的信息價值極大，類似一座金礦，我想雲服務商是不可能放過從這些金礦中提取金子的.
4)大數據首先所面臨的問題就是大數據的存儲問題，一般都會綜合運用各種存儲技術（文件存儲，資料庫存儲），當然，你完全用文件存儲或者資料庫存儲來解決，也是沒問題的。與雲計算類似，數據倉庫技術不是必需的，但對於數據倉庫技術對於結構化數據進行淘金還是非常有用的，當然，你不用數據倉庫技術也可以，比如Hadoop模式。
在雲計算和大數據處理中，最基礎的技術其實是分布式計算技術。而對於構建分布式計算而言，多線程，同步，遠程調用(RPC,RMI等)，進程管理與通信是其基本技術點。分布式計算編程是一種綜合性應用編程，不僅需要有基本的技術點，還需要一定的組織管理知識。
就目前來說，雲計算和大數據處理其實都沒有形成一個統一的標准和定義。希望我的回復對您有所幫助。
『貳』 數據倉庫與資料庫的主要區別有
首先我們來了解數據倉庫和資料庫分別是什麼：
1、資料庫:是一種邏輯概念，用來存放數據的倉庫，通過資料庫軟體來實現。資料庫由很多表組成，表是二維的，一張表裡面有很多欄位。欄位一字排開，對數據就一行一行的寫入表中。資料庫的表，在於能夠用二維表現多維的關系。如：oracle、DB2、MySQL、Sybase、MSSQL Server等。
2、數據倉庫：是資料庫概念的升級。從邏輯上理解，資料庫和數據倉庫沒有區別，都是通過資料庫軟體實現存放數據的地方，只不過從數據量來說，數據倉庫要比資料庫更龐大德多。數據倉庫主要用於數據挖掘和數據分析，輔助領導做決策；
區別主要總結為以下幾點：
1.資料庫只存放在當前值，數據倉庫存放歷史值；
2.資料庫內數據是動態變化的，只要有業務發生，數據就會被更新，而數據倉庫則是靜態的歷史數據，只能定期添加、刷新；
3.資料庫中的數據結構比較復雜，有各種結構以適合業務處理系統的需要，而數據倉庫中的數據結構則相對簡單；
4.資料庫中數據訪問頻率較高，但訪問量較少，而數據倉庫的訪問頻率低但訪問量卻很高；
5.資料庫中數據的目標是面向業務處理人員的，為業務處理人員提供信息處理的支持，而數據倉庫則是面向高層管理人員的，為其提供決策支持；
6.資料庫在訪問數據時要求響應速度快，其響應時間一般在幾秒內，而數據倉庫的響應時間則可長達數幾小時
『叄』 資料庫和大數據的區別
在大數據處理當中，資料庫提供底層支持，實現了穩固的大數據存儲，才能更好地支持下一步的大數據計算。今天的大數據基礎知識分享，我們來聊聊大數據當中，資料庫和數據倉庫的區別，怎麼去理解這兩者，又該怎麼去應用？ 首先，資料庫是什麼？
從定義上來說，資料庫是用來存放數據的倉庫，資料庫由很多表組成，表是二維的，一張表裡面有很多欄位。欄位一字排開，對數據就一行一行的寫入表中。
資料庫的表，在於能夠用二維表現多維的關系，如：oracle、DB2、MySQL、Sybase、MSSQL Server等，都是典型的資料庫。
那麼，數據倉庫又是什麼？
數據倉庫，可以理解為是資料庫概念的升級。從邏輯上理解，資料庫和數據倉庫沒有區別，都是通過資料庫軟體實現存放數據的地方，只不過從數據量來說，數據倉庫要比資料庫更龐大。
資料庫和數據倉庫的區別：
1.資料庫只存放在當前值，數據倉庫存放歷史值；
2.資料庫內數據是動態變化的，只要有業務發生，數據就會被更新，而數據倉庫則是靜態的歷史數據，只能定期添加、刷新；
3.資料庫中的數據結構比較復雜，有各種結構以適合業務處理系統的需要，而數據倉庫中的數據結構則相對簡單；
4.資料庫中數據訪問頻率較高，但訪問量較少，而數據倉庫的訪問頻率低但訪問量卻很高；
5.資料庫中數據的目標是面向業務處理人員的，為業務處理人員提供信息處理的支持，而數據倉庫則是面向高層管理人員的，為其提供決策支持；
6.資料庫在訪問數據時要求響應速度快，其響應時間一般在幾秒內，而數據倉庫的響應時間則可長達數幾小時。
關於，資料庫基礎，大數據資料庫和數據倉庫的區別，以上就是詳細的介紹了。在大數據當中，資料庫和數據倉庫的知識的，都是值得關注的，也是在學習當中需要去重視的。
『肆』 詳解數據倉庫和資料庫的區別
數據倉庫：為企業所有級別的決策制定過程，提供所有類型數據支持的戰略(數據)集合。
大數據：所涉及的資料量規模巨大到無法透過主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。
傳統資料庫：一個長期存儲在計算機內的、有組織的、可共享的、統一管理的大量數據的集合。
其實從三個定義，我們好像區別不大。
資料庫指的是數據的集合，數據倉庫也是一個數據集合，大數據也是一個處理和存儲數據的地方。
但是不同的是，在於應用場景，和構建的技術原理不一樣。
傳統資料庫是存儲根據範式建模的關系型數據，主要用於OLTP（on-line transaction processing）翻譯為聯機事務處理的軟體。大數據是根據map rerce範式構建的出局處理，存儲的軟體，主要用於OLAP是做分析處理。大數據和傳統資料庫，還有一個更大的區別在於，處理的數據量以及計算量的大小，當傳統資料庫，無法在人可以接受的短時間內計算出結果，那這個數據就叫大數據，需要使用到大數據技術處理。而數據倉庫本質上是一種數據的處理方式，而不是一種基礎軟體，它可以依賴於傳統資料庫，也可以依賴大數據技術去構建。
可以參考這篇文章：數據倉庫(2)數據倉庫、大數據與傳統資料庫的區別 - 知乎 (hu.com)
『伍』 數據倉庫和資料庫的區別
數據倉庫是指從業務數據中創建信息資料庫，並針對決策和分析進行優化。資料庫是數據管理的有效技術，是由一批數據構成的有序集合，這些數據被存放在結構化的數據表裡。數據表之間相互關聯，反映客觀事物間的本質聯系。資料庫能有效地幫助一個組織或企業科學地管理各類信息資源。
數據倉庫和資料庫的主要區別：
資料庫是面向事務的設計，數據倉庫是面向主題設計的。
資料庫一般存儲在線交易數據，數據倉庫存儲的一般是歷史數據。
資料庫設計是盡量避免冗餘，數據倉庫在設計是有意引入冗餘。
資料庫是為捕獲數據而設計，數據倉庫是為分析數據而設計。
數據倉庫和資料庫兩者之間的關系
數據倉庫，是在資料庫已經大量存在的情況下，為了進一步挖掘數據資源、為了決策需要而產生的，它決不是所謂的「大型資料庫」。數據倉庫的出現，並不是要取代資料庫。目前，大部分數據倉庫還是用關系資料庫管理系統來管理的。可以說，資料庫、數據倉庫相輔相成、各有千秋。
『陸』 什麼是數據倉庫為什麼要建立數據倉庫數據倉庫有什麼特點
資料庫是一個裝數據（信息的原材料）的地方。 數據倉庫是一種系統，這種系統也是用資料庫裝東西。（這有點沒說清楚：個人理解資料庫和數據倉庫當然都是裝數據的地方，關鍵的區別是裝的什麼樣的數據，資料庫裝的原始數據，沒經過任何加工；而數據倉庫是為了滿足分析需要，對源數據進行了Transform過程，具體是怎樣一個處理過程，可以從Bill Inmon的倉庫定義四個特性進行理解。）數據倉庫系統（用資料庫裝東西）與其他基礎業務系統（例如財務系統、銷售系統、人力資源系統等，也是用資料庫裝東西）的區別是： 基礎業務系統的特點是各管各的，例如財務系統生產了白菜，那麼用一個資料庫來裝，人力資源系統生產了豬肉，再用一個資料庫來裝。我要做一道菜，需要分別到各個資料庫去取，比較麻煩（現實的情況是大部分時候讓種菜的農民伯伯送過來，但送過來的東西不一定是我想要的，而且不同的時候我想要不同的東西，經常會被農民伯伯罵，弄得雙方都不開心）。另外一方面，各個資料庫中放的是一些比較原始的東西，我要拿過來做菜，還需要經過很麻煩的清洗過程，一不小心裏面可能就藏著一條大青蟲。那麼，數據倉庫系統就是建立一個大的超市，將各地農民伯伯出產的東西收集過來，清洗干凈，分門別類地放好。這樣，你要哪種菜的時候，直接從超市裡面拿就可以了。
數據倉庫的特點是：
(1)數據倉庫是面向主題的.
(2)數據倉庫是集成的
(3)數據倉庫具有時間相關性.
(4)數據倉庫的數據是相對穩定的.
數據倉庫可以說是決策支持系統（個人不同意這個觀點，決策支持系統（DDS）是在管理信息系統的基礎上發展起來的，在數據倉庫、OLAP技術和數據挖掘工具出現以前，就已經有DSS了，但其在實際應用開發過程中暴露出許多問題，DW為克服傳統DDS存在的問題提供了技術上的支持，基於DW上的DSS效果自然有很大提升），能幫助老闆了解企業的整體全貌，看到數據倉庫提供的經過整理統計歸納的數據後老闆憑自己的管理經驗可以發現企業的問題或困難或成功因素在哪一方面，然後可以不斷的追溯數據，直到確定到最具體的細節上，這樣能夠不斷提升老闆或管理層的管理水平，不斷改善企業的管理。我們知道的最好的一個例子就是美國某大型超市啤酒和尿布的故事。 沃爾瑪公司在美國的一位店面經理曾發現，每周，啤酒和尿布的銷量都會有一次同比攀升，一時卻搞不清是什麼原因。後來，沃爾瑪運用商業智能（Business Intelligence，簡稱BI）技術發現，購買這兩種產品的顧客幾乎都是25歲到35歲、家中有嬰兒的男性，每次購買的時間均在周末。沃爾瑪在對相關數據分析後得知，這些人習慣晚上邊看球賽、邊喝啤酒，邊照顧孩子，為了圖省事而使用一次性的尿布。得到這個結果後，沃爾瑪決定把這兩種商品擺放在一起，結果，這兩種商品的銷量都有了顯著增加。 資料庫是數據倉庫的基礎。數據倉庫實際上也是由資料庫的很多表組成的（這句話明顯不成立，數據倉庫里表分為事實表和維表，這和資料庫里的表還是有本質區別的，組織方式完全不一樣，一個是面向主題，一個是面向業務的）。需要把存放大量操作性業務數據的資料庫經過篩選、抽取、歸納、統計、轉換到一個新的資料庫中。然後再進行數據展現。老闆關注的是數據展現的結果。
『柒』 什麼是數據倉庫
數據倉庫是在企業管理和決策中面向主題的、集成的、與時間相關的、不可修改的數據集合
數據倉庫之父Bill Inmon在1991年出版的「Building the Data Warehouse」一書中所提出的定義被廣泛接受——數據倉庫（Data Warehouse）是一個面向主題的（Subject Oriented）、集成的（Integrated）、相對穩定的（Non-Volatile）、反映歷史變化（Time Variant）的數據集合，用於支持管理決策(Decision Making Support)。
◆面向主題：操作型資料庫的數據組織面向事務處理任務，各個業務系統之間各自分離，而數據倉庫中的數據是按照一定的主題域進行組織的。
◆集成的：數據倉庫中的數據是在對原有分散的資料庫數據抽取、清理的基礎上經過系統加工、匯總和整理得到的，必須消除源數據中的不一致性，以保證數據倉庫內的信息是關於整個企業的一致的全局信息。
◆相對穩定的：數據倉庫的數據主要供企業決策分析之用，所涉及的數據操作主要是數據查詢，一旦某個數據進入數據倉庫以後，一般情況下將被長期保留，也就是數據倉庫中一般有大量的查詢操作，但修改和刪除操作很少，通常只需要定期的載入、刷新。
◆反映歷史變化：數據倉庫中的數據通常包含歷史信息，系統記錄了企業從過去某一時點(如開始應用數據倉庫的時點)到目前的各個階段的信息，通過這些信息，可以對企業的發展歷程和未來趨勢做出定量分析和預測。
數據倉庫系統是一個信息提供平台，他從業務處理系統獲得數據，主要以星型模型和雪花模型進行數據組織，並為用戶提供各種手段從數據中獲取信息和知識。
從功能結構化分，數據倉庫系統至少應該包含數據獲取（Data Acquisition）、數據存儲（Data Storage）、數據訪問（Data Access）三個關鍵部分
『捌』 資料庫與數據倉庫的區別
資料庫是面向事務的設計，數據倉庫是面向主題設計的。資料庫一般存儲在線交易數據，數據倉庫存儲的一般是歷史數據。
「與時間相關」：資料庫保存信息的時候，並不強調一定有時間信息。數據倉庫則不同，出於決策的需要，數據倉庫中的數據都要標明時間屬性。決策中，時間屬性很重要。同樣都是累計購買過九車產品的顧客，一位是最近三個月購買九車，一位是最近一年從未買過，這對於決策者意義是不同的。
「不可修改」：數據倉庫中的數據並不是最新的，而是來源於其它數據源。數據倉庫反映的是歷史信息，並不是很多資料庫處理的那種日常事務數據（有的資料庫例如電信計費資料庫甚至處理實時信息）。因此，數據倉庫中的數據是極少或根本不修改的；當然，向數據倉庫添加數據是允許的。
拓展資料：
數據倉庫的出現，並不是要取代資料庫。數據倉庫，是在資料庫已經大量存在的情況下，為了進一步挖掘數據資源、為了決策需要而產生的，它決不是所謂的「大型資料庫」。
目前，大部分數據倉庫還是用關系資料庫管理系統來管理的。可以說，資料庫、數據倉庫相輔相成、各有千秋。
『玖』 簡述資料庫 數據倉庫 和數據挖掘三者之間的關系
先說說數據倉庫和數據挖掘的關系，再說說資料庫與數據倉庫的關系
數據倉庫與數據挖掘的聯系
(1) 數據倉庫為數據挖掘提供了更好的、更廣泛的數據源。
(2) 數據倉庫為數據挖掘提供了新的支持平台。
(3) 數據倉庫為更好地使用數據挖掘這個工具提供了方便。
(4) 數據挖掘為數據倉庫提供了更好的決策支持。
(5) 數據挖掘對數據倉庫的數據組織提出了更高的要求。
(6) 數據挖掘還為數據倉庫提供了廣泛的技術支持。
數據倉庫與數據挖掘的差別
(1) 數據倉庫是一種數據存儲和數據組織技術, 提供數據源。
(2) 數據挖掘是一種數據分析技術, 可針對數據倉庫中的數據進行分析。
1、資料庫:是一種邏輯概念，用來存放數據的倉庫，通過資料庫軟體來實現。資料庫由很多表組成，表是二維的，一張表裡面有很多欄位。欄位一字排開，對數據就一行一行的寫入表中。資料庫的表，在於能夠用二維表現多維的關系。如：oracle、DB2、MySQL、Sybase、MSSQL Server等。
2、數據倉庫：是資料庫概念的升級。從邏輯上理解，資料庫和數據倉庫沒有區別，都是通過資料庫軟體實現存放數據的地方，只不過從數據量來說，數據倉庫要比資料庫更龐大德多。數據倉庫主要用於數據挖掘和數據分析，輔助領導做決策；
區別主要總結為以下幾點：
1.資料庫只存放在當前值，數據倉庫存放歷史值；
2.資料庫內數據是動態變化的，只要有業務發生，數據就會被更新，而數據倉庫則是靜態的歷史數據，只能定期添加、刷新；
3.資料庫中的數據結構比較復雜，有各種結構以適合業務處理系統的需要，而數據倉庫中的數據結構則相對簡單；
4.資料庫中數據訪問頻率較高，但訪問量較少，而數據倉庫的訪問頻率低但訪問量卻很高；
5.資料庫中數據的目標是面向業務處理人員的，為業務處理人員提供信息處理的支持，而數據倉庫則是面向高層管理人員的，為其提供決策支持；
6.資料庫在訪問數據時要求響應速度快，其響應時間一般在幾秒內，而數據倉庫的響應時間則可長達數幾小時