1，数据仓库的四个层次体系结构有哪些2，工行数据仓库体系架构有哪些组成3，哪种数据仓库架构最成功4，怎样的架构设计才是真正的数据仓库架构5，数据仓库的技术结构有哪些1，数据仓库的四个层次体系结构有哪些
分别是数据源、数据的存储与管理、联机分析处理服务器、前端工具。我是来看评论的
2，工行数据仓库体系架构有哪些组成
商业智能和数据仓库基础的课程内容包括：1bi（商业智能）和数据仓库2数据仓库的架构，模型建设3数据仓库建设方法论（methodology）4olap5数据质量管理6etl7数据挖掘8相关概念(ods,元数据等)9工具演示希望对你由帮助来源：商业智能和数据仓库爱好者提供。。。。商业智能和云计算。。。。陪训。。。。有这个基础课不明白啊 = =！
3，哪种数据仓库架构最成功
争论一直没有休止，这个问题同时也是企业在建立dw时需要决策的关键问题。bill inmon的集线器架构/企业信息工厂架构（hub and spoke / cif – corporate information factory）与ralph kimball的数据集市/数据仓库总线架构（data mart bus architecture/data warehouse bus architecture）则是dw架构的争论焦点。但是，这些争论一直无法形成统一的结论。到底哪种dw架构最好，不同的bi/dw从业者在不同的项目中，面对不同企业的不同情况时，往往持有不同的说法。2005 年，thilini ariyachandra 与hugh watson针对dw架构做了一个深入的调查，调查题目为“哪种数据仓库最成功？”，受访者由454位曾在各种不同规模的企业（绝大多数是美国企业）中参与了dw规划与实施的人员组成，受访者根据dw应用实际情况及经验体会做出回答。为了合理设计调查问卷，在调查问卷中合理设置调查对象（参与调查的dw架构）和评判标准（影响dw架构选择的因素及判断dw架构成功的因素等）等内容，watson和ariyachandra邀请了20位专家组成专家组设计调查问卷及判断标准等，这20位专家包括了dw领域的两位先驱——赫赫有名的bill inmon和ralph kimball。因此我们可以认为这份调查的结果是权威可信的。 了解更多开源相关，去lupa社区看看吧。”的争论一直没有休止，这个问题同时也是企业在建立dw时需要决策的关键问题。bill inmon的集线器架构/企业信息工厂架构（hub and spoke / cif – corporate information factory）与ralph kimball的数据集市/数据仓库总线架构（data mart bus architecture/data warehouse bus architecture）则是dw架构的争论焦点。但是，这些争论一直无法形成统一的结论。到底哪种dw架构最好，不同的bi/dw从业者在不同的项目中，面对不同企业的不同情况时，往往持有不同的说法。2005 年，thilini ariyachandra 与hugh watson针对dw架构做了一个深入的调查，调查题目为“哪种数据仓库最成功？”，受访者由454位曾在各种不同规模的企业（绝大多数是美国企业）中参与了dw规划与实施的人员组成，受访者根据dw应用实际情况及经验体会做出回答。为了合理设计调查问卷，在调查问卷中合理设置调查对象（参与调查的dw架构）和评判标准（影响dw架构选择的因素及判断dw架构成功的因素等）等内容，watson和ariyachandra邀请了20位专家组成专家组设计调查问卷及判断标准等，这20位专家包括了dw领域的两位先驱——赫赫有名的bill inmon和ralph kimball。因此我们可以认为这份调查的结果是权威可信的。
4，怎样的架构设计才是真正的数据仓库架构
是数据仓库系统的基础，是整个系统的数据源泉。通常包括企业内部信息和外部信息。内部信息包括存放于rdbms中的各种业务处理数据和各类文档数据。外部信息包括各类法律法规、市场信息和竞争对手的信息等等；数据的存储与管理是整个数据仓库系统的核心。数据仓库的真正关键是数据的存储和管理。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）。olap服务器对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。其具体实现可以分为：rolap（关系型在线分析处理）、molap（多维在线分析处理）和holap（混合型线上分析处理）。rolap基本数据和聚合数据均存放在rdbms之中；molap基本数据和聚合数据均存放于多维数据库中；holap基本数据存放于rdbms之中，聚合数据存放于多维数据库中。 元数据是描述数据仓库内数据的结构和建立方法的数据。可将其按用途的不同分为两类，技术元数据和商业元数据。技术元数据是数据仓库的设计和管理人员用于开发和日常管理数据仓库使用的数据。包括：数据源信息；数据转换的描述；数据仓库内对象和数据结构的定义；数据清理和数据更新时用的规则；源数据到目的数据的映射；用户访问权限，数据备份历史记录，数据导入历史记录，信息发布历史记录等。商业元数据从商业业务的角度描述了数据仓库中的数据。包括：业务主题的描述，包含的数据、查询、报表；元数据为访问数据仓库提供了一个信息目录（informationdirectory），这个目录全面描述了数据仓库中都有什么数据、这些数据怎么得到的、和怎么访问这些数据。是数据仓库运行和维护的中心，数据仓库服务器利用他来存贮和更新数据，用户通过他来了解和访问数据。 为了特定的应用目的或应用范围，而从数据仓库中独立出来的一部分数据，也可称为部门数据或主题数据（subjectarea）。在数据仓库的实施过程中往往可以从一个部门的数据集市着手，以后再用几个数据集市组成一个完整的数据仓库。需要注意的就是在实施不同的数据集市时，同一含义的字段定义一定要相容，这样在以后实施数据仓库时才不会造成大麻烦。国外知名的garnter关于数据集市产品报告中，位于第一象限的敏捷商业智能产品有qlikview, tableau和spotview，都是全内存计算的数据集市产品，在大数据方面对传统商业智能产品巨头形成了挑战。国内bi产品起步较晚，知名的敏捷型商业智能产品有powerbi, 永洪科技的z-suite，smartbi，finebi商业智能软件等，其中永洪科技的z-data mart是一款热内存计算的数据集市产品。国内的德昂信息也是一家数据集市产品的系统集成商。 为用户访问数据仓库提供手段。有数据查询和报表工具；应用开发工具；管理信息系统（eis）工具；在线分析（olap）工具；数据挖掘工具
5，数据仓库的技术结构有哪些
? （一）数据源 是数据仓库系统的基础，是整个系统的数据源泉。通常包括企业内部信息和外部信息。内部信息包括存放于 rdbms 中的各种业务处理数据和各类文档数据。外部信息包括各类法律法规、市场信息和竞争对手的信息等等； （二）数据的存储与管理 是整个数据仓库系统的核心。数据仓库的真正关键是数据的存储和管理。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）。 （三）olap(联机分析处理)服务器 对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。其具体实现可以分为：rolap（关系型在线分析处理）、molap（多维在线分析处理）和 holap（混合型线上分析处理）。rolap 基本数据和聚合数据均存放在 rdbms 之中；molap 基本数据和聚合数据均存放于多维数据库中；holap 基本数据存放于rdbms 之中，聚合数据存放于多维数据库中。 （四）前端工具 主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以数据挖掘及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对 olap 服务器，报表工具、数据挖掘工具主要针对数据仓库。 ----------------------------- 由安信公司历经 4 年研发的监测数据管理平台，采用独创的技术架构，在 b/s 架构上融入 c/s 模式，囊括了实验室管理系统、监测站办公自动化、监测站综合业务管理系统、监测数据上报系统等诸多系统，把各个系统有机融合在一起，不同的业务科室展现不同工作页面，内部却又实现了数据共享。 系统页面简单大方，操作轻松方便，在不增加实验室工作量的情况下，能够让监测数据进入系统中，原始记录单等诸多实验室报表可协助生成（不完全生成，需人工签字），随后科室比如质控、综合、主管领导即可对数据进行多层次利用查询，并自动生成各类监测报表。 系统采用流程化工作模式，对不同监测任务实施不同工作流，保证工作的科学和严谨，对于单位内部职工每天待办事宜清晰显示，让内部职工对每天工作都一目了然。系统工作流程可自由配置，工作单