系列说明：
本文写作的初衷，是想以阿里巴巴的OneData体系为出发点，详细阐述数据仓库搭建的初衷、架构的理念及实现的方式，借此来总结从事大数据开发岗位多年以来的经验积累。仅从笔者个人角度出发，收集相关素材，进行二次整理，并非原创。
什么是数据仓库？
要想全面的来看待数据仓库，首先要回答的是数据仓库搭建的目的：
百度百科解释：数据仓库是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
笔者个人理解：以数据建模理念为基础，以消除数据孤岛为目的，通过一套标准方法和工具集，解决大数据计算中诸如质量、复用、扩展、成本等问题，能够驱动业务发展的体系。
第三方解释：数据仓库是数据管理、存储、计算、建模的方法论，是一种过程处理方法；它的特点为：面向主题的、集成的、稳定的、反映历史变化；数据仓库由元数据、数据建模、实现代码、血缘关系、规范准则组成；数据仓库在整个数据体系中的位置：数据采集->数据接入->数据仓库->数据报表/数据分析/数据挖掘。
大数据环境下数据仓库与传统数据库的异同：
传统数据库用于记录状态，面向事务；数据仓库用于分析决策，面向主题；
传统数据库服务业务系统，作为数据源；数据仓库服务数据分析师等专业数据人士；
传统数据库一般存储最新状态的业务数据；数据仓库存储历史数据，并且不是永久保存；
传统数据库严格遵循范式，避免冗余；数据仓库为了方便使用故意引入部分冗余；
传统数据库数据量偏小，多以GB为规模；数据仓库以存储海量数据为目标，多以TB为规模；
传统数据库承载体一般为mysql、oracle等传统的关系型数据库；数据仓库承载体一般为H