1.ODS的概念

通过前几章的学习，我们已经知道数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持用户的辅助决策分析。

而ODS（Operational Data Store，操作数据存储）则是一个面向主题的、集成的、可变的、反映当前细节的数据集合。它主要用于支持企业处理业务应用和存储面向主题的、即时性的集成数据，为企业决策者提供当前细节性的数据，通常作为数据仓库的过渡阶段。

2.ODS建设原因

ODS系统建设的原因有多种，主要原因有：

1）系统重复开发，造成资源极度浪费。不同应用之间，可能存在相同的数据抽取需求，经过多次抽取，浪费网络存储资源，造成不同应用系统之间数据的不一致性，同时也会给业务系统带来沉重的压力。

2）一般来说，业务部门需要的信息可能来自于多个系统，但是由于各个系统之间的数据可能会出现口径不一致，数据不规范的现象，因此大大增加了临时抽取数据的难度，同时很难保证数据的一致性和准确性。

综上所述，通过ODS系统的建设，既可以大大缩短应用系统的实施路径，减少重复性的设计和开发，又可以提高数据的响应速度和准确性，为以后的数据挖掘和分析打下基础。

3.ODS的特点

业务数据经过ETL数据抽取、转换、加载，进入到ODS系统中，为企业提供了一种全局的、集成的和反映当前实时性的视角，在支持企业决策分析需求的同时，还能够在业务系统和数据仓库之间构建一个数据缓冲带，使得数据之间的传输和转换变得相对容易。

ODS系统的主要功能就是将多个业务系统中不同的数据源进行数据集成，通过数据抽取、转换、加载，将数据放入到共享的存储区中，以保证数据的一致性。

ODS具有以下特点：

1）数据是不断更新和易丢失的，当新的业务数据进入到ODS时，旧的数据会被新数据覆盖或者更新，一般不存储历史数据，只反映当前实时性的信息。

2）ODS系统一般存储的都是细节性的信息，很少有汇总的数据，即ODS包含粒度级别最低的数据。

3）ODS系统支持快速的数据更新操作，数据刷新频率很快，一般不保存过期的历史数据。

4）ODS系统一般存储在关系数据库中，通过将各个业务系统的数据集成起来，组成企业的全局统一性视图，实现ODS的数据共享功能。

5）用户可以频繁访问ODS系统，因为它是基于操作型应用的。

4.ODS设计原则

ODS的设计原则包括可扩展性、高可用性、可重用性和高性能，如图7-29所示。

图7-29 ODS的设计原则

（1）可扩展性

可扩展性是指ODS系统可以支持业务系统扩展的需要。举例来说，设计ODS数据模型的时候，应该充分考虑新旧系统的业务数据模型能够扩展到ODS系统中。

（2）高可用性

高可用性是指系统发生变化的时候，可以依赖架构的灵活性，仍能保证系统的正常运行。例如，对于模型的设计，应该考虑业务源系统结构发生变化时对ODS系统带来的影响。也就是说，局部模型的扩展不会影响到ODS数据模型。

（3）可重用性

可重用性是指尽量避免重复的系统建设，尽可能考虑物理设备、系统软件、模型以及应用上的复用。举例来说，对于ETL处理流程，分析ETL任务的各个环节，找出公共的组件，进行封装，然后进行复用。

（4）高性能

高性能是指ODS系统可以承受峰值时的系统压力和更多的应用，保证系统可以正常运行。

5.ODS的主要功能

ODS的主要功能如图7-30所示。

（1）作为业务系统和数据仓库之间的隔离地带

一般来说，数据仓库系统的数据来源非常复杂，数据可能存储在不同的应用系统和业务数据库中，为了满足数据仓库对业务数据的抽取标准，需要在应用系统和数据仓库系统之间建立一个“隔离墙”，如图7-31所示。ODS系统作为“隔离墙”的目的是临时存储多个业务源数据，经过一系列的清洗、转换并达到数据仓库对数据的要求后，再将数据加载到数据仓库中。

在业务系统中直接将数据抽取到数据仓库中并不容易，ODS系统作为业务系统和数据仓库系统之间的隔离地带，用于存放从业务系统抽取出来的数据，为数据仓库提供了平整、可靠的数据源。(www.daowen.com)

图7-30 ODS的主要功能

图7-31 ODS的“隔离墙”功能

（2）降低业务系统的压力

在数据仓库建立之前，大量的决策分析报表是由业务系统直接生成的，在报表生成过程中可能存在复杂的计算，对业务系统的运行产生非常大的压力。在建立ODS系统之后，原来由业务系统直接产生的复杂报表、对细节数据的查询都能够在ODS系统中进行，从而有效降低了业务系统的查询压力，提高了业务系统的运行效率。

（3）满足从微观角度查询细节数据的要求

一般来说，在数据仓库体系结构中，数据仓库层存储的数据都是经过轻度汇总的数据和历史数据，几乎不存储任何生产运营过程中产生的细节数据。但是，为了满足特殊用户群体的要求，可能需要对一些交易数据进行查询，这时需要把查询这些交易数据的功能让ODS系统来实现。通常，ODS系统支持多维分析的功能，因为它也是面向主题的和集成的。数据仓库从宏观上支持多维决策分析，而ODS系统从微观角度描述细节性的数据查询。

（4）实时性的数据整合功能

ODS系统具有实时性的数据整合功能。它通过ETL技术，实时地从各个业务系统中抽取企业的运营交易数据，通过数据转换、清洗、加载等操作最终形成共享数据，为企业提供统一的数据视图。这种数据整合功能有助于提高数据的一致性，为数据仓库提供优质的数据源。

（5）检查数据质量的功能

ODS系统具有完善的数据质量检查功能。它通过对企业数据的质量检查和质量评估，完善企业内部的组织机构，支持对数据质量管理流程的监控，从而实现对源数据质量问题的发现和修正。

（6）为企业提供统一的数据视图和数据共享功能

ODS系统为企业提供统一的数据视图和数据共享功能。它通过对各个业务系统运维数据的集成，实现ODS的数据共享，同时为企业提供全局的统一数据视图。

6.ODS的设计步骤

ODS的设计步骤如图7-32所示。

（1）数据调研

数据调研主要是根据业务人员提供的需求意向，将业务系统划分成几个模块，并对各个模块所涉及的数据和数据源进行调研分析。数据调研分析可以分成编号、模块名称、数据来源（包括导入和输入）、备注等信息，见表7-2

图7-32 ODS系统的设计步骤

表7-2 数据调研分析表

（2）确定数据范围

确定数据范围是在需求调研的基础上进行的。为了保证所需的数据都能够从业务系统中得到，需要将应用需求与ODS的数据范围结合起来，也就是对ODS进行主题的划分。通常来说，ODS主题的划分是以企业的业务模型为基础，通过参考各种业务系统信息模型，得到ODS数据主题的范围，根据该范围进行ODS主题的定义，从而确定ODS的数据范围。

（3）设计主题元素

ODS系统的主题元素主要包括主题名称、维度、度量值、粒度、存储的时间，下面分别进行介绍。

●主题名称：说明该主题主要包含哪些分析数据，用户重点关注的对象是什么。

●维度：说明数据分析时的角度有哪些，如时间维度的年、季、月、日等。

●度量值：说明用户关注的指标值，如工资额、销售量等。

●粒度：是指对数据的细化程度。一般来说，细化程度越高，粒度级别就越低；细化程度越低，粒度级别就越高。

●存储的时间：主要描述数据的存储周期和存储期限是多少。

（4）ODS系统的物理实现

ODS系统的物理实现主要包括数据库的物理实现、数据抽取的设计等内容。