什么是 ODS

什么是 ODS
ODS是一个面向主题的、集成的、可变的、当前的细节数据集合， 用于支持企业对于即时
性的、操作性的、集成的全体信息的需求。常常被作为数据仓库的过渡，也是数据 仓库项目
的可选项之一。


根据的定义，“数据仓库是面向主题 的、集成的、稳定的、随时间变化的，主要
用于决策支持的数据库系统”

ODS是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对于即时性
的、操作性 的、集成的全体信息的需求。常常被作为数据仓库的过渡，也是数据仓库项目的可选
项之一。

在Kimball的<<数据仓库生命周期工具集The Data WareHouse Liftcycle Toolkit>>，他是
这样定义的

1. 是操作型系统中的集成,用于当前，历史以及其它细节查询(业务系统的一部分)

2. 为决策支持提供当前细节数据(数据仓库的一部分)

因此操作数据存储（ODS） 是用于支持企业日常的全局应用的数据集合，ODS的数据具有
面向主题 、集成的、可变的和数据是当前的或是接近当前的4个基本特征。同样也可以看出ODS
是介于DB和D W 之间的一种数据存储技术，和原来面向应用的分散的DB相比，ODS中的数
据组织方式和数据仓库 （DW）一样也是面向主题的和集成的，所以对进入ODS的数 据也象进

入数据仓库的 数据一样进行集成处理。另外ODS只是存放当前或接近当前的数据，如果需要的
话还可以对ODS中的 数据进行增、删和更新等操 作，虽然DW中的数据也是面向主题和集成
的，但这些数据一般不进行修改 ，所以ODS和DW的区别主要体现数据的可变性、当前性、稳
定性、汇总度上。

由于ODS仍然存储在普通的关系数据库中，出于性能、存储和备份恢复等数据库的角度以及
对源数据库 的性能影响角度，个人不建议ODS保存相当长周期的数据，同样ODS中的数据也
尽量不做转换，而是 原封不动地与业务数据库保持一致。即ODS只是业务数据库的一个备份或
者映像，目的是为了使数据仓 库的处理和决策支持要求与OLTP系统相隔离，减少决策支持要
求对OLTP系统的影响。

为什么需要有一个ODS系统呢？一般在带有ODS的系统体系结构中，ODS都具备如下几
个作用：

1） 在业务系统和数据仓库之间形成一个隔离层。

一般的数据仓库应用系统都具有非常复杂的数据来源，这些数据存放在不同的地理位置、不
同的数据库、 不同的应用之中，从这些业务系统对数据进行抽取并不是一件 容易的事。因此，
ODS用于存放从业务 系统直接抽取出来的数据，这些数据从数据结构、数据之间的逻辑关系上
都与业务系统基本保持一致，因 此在抽取过程中极 大降低了数据转化的复杂性，而主要关注数
据抽取的接口、数据量大小、抽取方式等方面的问题。

2） 转移一部分业务系统细节查询的功能

在数据仓 库建立之前，大量的报表、分析是由业务系统直接支持的，在一些比较复杂的报表

生成过 程中，对业务系统的运行产生相当大的压力。ODS的数据从粒度、 组织方式等各个方面
都保持了与业 务系统的一致，那么原来由业务系统产生的报表、细节数据的查询自然能够从ODS
中进行，从而降低业 务系统的查询压力。

3） 完成数据仓库中不能完成的一些功能。

一般来说，带有ODS的数据仓库体系结构中，DW层所存储的数据都是进行汇总过的数据和< br>运营指标，并不存储每笔交易产生的细节数据，但是在某些特殊的应用中，可能需要 对交易细
节 数据进行查询，这时就需要把细节数据查询的功能转移到ODS来完成，而且ODS的数据模
型按照面向 主题的方式进行存储，可以方便地支持多维分析 等查询功能。即数据仓库从宏观角
度满足企业的决策支 持要求，而ODS层则从微观角度反映细节交易数据或者低粒度的数据查询
要求。

在一个没有ODS层的数据仓库应用系统体系结构中，数据仓库中存储的数据粒度是根据需要
而确定的， 但一般来说，最为细节的业务数据也是需要保留的，实际上 也就相当于ODS，但与
ODS所不同的是 ，这时的细节数据不是“当前、不断变化的”数据，而是“历史的，不再变化的”
数据。这样的数据仓库 的存储压力和性能压力都是比较大的，因此对数据仓库的物理设计和逻辑
设计提出了更高的要求。