2018-10-20 阅读量: 1685
传统的数据库在操作型数据处理上取得了巨大的成功，但是在分析型数据处理上却遇到了瓶颈。主要有以下几个原因：
(1) 数据的分散。操作型数据处理往往只需要涉及一个部门业务或者一个系统的数据，因此现在企业的数据是分散在各个操作型数据库，而分析型操作往往面向整个企业、跨部门进行。
(2) 数据不一致的问题。从各个操作型数据库中抽取数据会存在数据不一致的问题，比如同名异义、异名同义、单位不统一、字长不一致等，因此在分析操作前必须首先对这些数据进行预处理。
(3) 历史数据问题。分析型数据操作往往需要大量的历史数据，但是操作型数据库一般存放的是短期数据。
(4) 数据粒度问题。分析型数据操作往往关注的是综合性数据，但是操作型数据库中存放的是细节数据，如果在分析前对细节数据进行综合，会严重影响分析的效率。
因此，为了克服以上问题，使两种数据操作都能够有效的进行，就产生了数据仓库。
在第一节基础上 更新了函数和执行顺序：实操了字符数函数、时间函数、字段截取函数、interval函数等，除最后顺序实操因未导入数据库，导致无法执行
