数据库故障恢复技术解析
来自： http://blog.csdn.net/dingding_12345/article/details/50465075
一、数据仓库的定义
将来自多个数据源的数据，以统一的模式，集中存储在某个站点上。其特征是：历史数据，海量的数据，数据只添加，只读，无修改.
二、数据仓库的开发过程
先看一张图，如下
1、确定建立数据仓库要解决的问题，明确主题下的查询分析需求；
2、选择数据仓库软件平台，包括数据库，建模工具，分析工具；
3、建立数据仓库的逻辑模型，并在软件平台下加以实现；
4、对来自不同数据源的异构数据，根据数据模型进行清洗和转换，汇聚到数据仓库中
5、开发数据仓库的分析应用。
三、数据仓库与数据库的区别
先上图，直观一点。
查了资料，引用知乎上的一个回答。
1，逻辑层面/概念层面：数据库和数据仓库其实是一样的或者及其相似的，都是通过某个数据库软件，基于某种数据模型来组织、管理数据。但是，数据库通常更关注业务交易处理（OLTP），而数据仓库更关注数据分析层面（OLAP），由此产生的数据库模型上也会有很大的差异。数据库通常追求交易的速度，交易完整性，数据的一致性，等等，在数据库模型上主要遵从范式模型（1NF，2NF，3NF，等等），从而尽可能减少数据冗余，保证引用完整性；而数据仓库强调数据分析的效率，复杂查询的速度，数据之间的相关性分析，所以在数据库模型上，数据仓库喜欢使用多维模型，从而提高数据分析的效率。
2，产品实现层面：数据库和数据仓库软件是有些不同的，数据库通常使用行式存储，如SAP ASE，Oracle, Microsoft SQL Server，而数据仓库倾向使用列式存储，如SAP IQ，SAP HANA
简要的说，数据库是面对业务处理的, 即OLTP,而数据仓库是侧重在分析层面，即OLAP.
以上是自己的个人总结，如有不妥当之处，请在评论中指出！
</div>