資料倉儲運作原理
隨著企業的成長，從業務的不同方面收集資料，以提取有用的資訊，這種後勤工作可能變得越來越複雜。資料倉儲能為您的業務提供可靠的方式，將資訊整合至單一資料庫和資料模型中，以利 分析師進行查詢。
運作原理：
- 擷取：從組織的不同來源（如 ERP、CRM、銷售、行銷部門）收集原始資料到暫存資料庫中。
- 轉換：將暫存層的資料傳輸至整合層，在此進行資料整合，並將其轉換為操作型資料儲存（ODS）。
- 載入：先確定分析人員想使用的 SQL 查詢方式，以將資料從整合層搬移入資料倉儲，再將資料寫入關聯式資料庫（schema on write）。
您在資料倉儲中互動的資料庫是關聯式的，代表資料是結構化的，儲存在行與列組成的表格中。這些表格是由 寫入時 定義的綱要所組織而成。
若由資料倉儲外部的 ODS 處理轉換步驟，則稱為 ETL（擷取、轉換，載入）。若資料倉儲在內部處理轉換作業，則稱為 ELT（擷取、載入，轉換）。無論是使用 ETL 還是 ELT，資料倉儲都需要結構化資料並依循 schema on write，才能與關聯式資料庫一起使用。
資料倉儲的用途為何？
常見的資料倉儲運用方式有：
- 線上交易處理 (OLTP): 可為資料倉儲的優化資料完整性及快速查詢，以處理大量的短資料交易。比方說在高頻交易平台上進行的交易。
- 線上分析處理 (OLAP): 可針對相對較少的交易量優化資料倉儲，以更快速進行複雜的查詢。基本上，這就是分析師用來產生 BI 報告的方式。
- 預測性分析：利用助機器學習演算法來優化 OLAP 系統，以預測未來事件，並為您的業務模擬「假設」的情境。
由於資料倉儲屬於 schema on write 模式，因此新增綱要至資料倉儲之前，務必先了解要執行哪種類型的查詢。為了管理不同資料來源帶來的複雜度，可以將資料倉儲區分成資料超市，以將專屬的軟硬體資源用於 CRM 之類的特定業務功能。
資料倉儲 vs. 資料湖泊 vs. 資料中樞
雖然下列三者的概念看似可以互換，但必須了解它們之間的差異：
- 資料倉儲：一個用於整合並儲存結構化資料的儲存庫，這些資料是從組織中多個非結構化資料來源提取而來的。
- 資料湖泊：一個組織（包括資料倉儲）中，所有結構化和非結構化原始資料來源的未經精簡化的儲存庫。仍需處理資料以提取 BI 深度資訊。
- 資料中樞：一個可整合所有資料的介面，包含結構化及非結構化資料，皆能整合至中央存取資料層。資料中樞與資料倉儲的不同之處在於它還能處理作業資料，而且也和資料湖泊不同，因為資料中樞可提供多種格式的資料。
資料中樞可提供必要的資料治理功能，以簡化在各種端點集合之間的資料共享。如此一來，資料中樞便能將資料湖泊和資料倉儲整合至一個存取層中。資料中樞抽出資料處理這一塊，讓您的組織可以集中提取 BI 深度資訊。
為您的資料倉儲選擇 Pure Storage，能帶來什麼優勢？
如果您需要在現有的資料倉儲基礎架構中新增 OLAP 或 OLTP 管道，可以考慮投資 Pure Storage 的全快閃儲存解決方案，以取得更佳的 Modern Data Experience™。
Pure Storage® FlashBlade® 作為領先業界的資料中樞，不僅能處理資料倉儲的分析及報告工作負載，還可以提供資料中樞的必備功能：
- 能跨所有資料端點，順暢無阻地分享資料
- 提供統一的檔案與物件式資料儲存
- 能即時處理作業資料
- 易於橫向擴展的原生基礎架構
- 使任何類型的資料都能提供多元效能
- 從軟體到硬體接可進行大規模平行處理
