柚子快報激活碼778899分享：數(shù)據(jù)庫 數(shù)據(jù)倉庫知識點總結(jié)

http://yzkb.51969.com/

數(shù)據(jù)倉庫是面向主題的，集成的，相對穩(wěn)定的，反映歷史變化的數(shù)據(jù)集合，用于支持管理中的決策制定。 數(shù)據(jù)倉庫的模型架構(gòu)圖：

?????? 1.數(shù)據(jù)處理方式

(1)OLTP

OLTP的全稱是On-line Transaction Processing，中文名稱是聯(lián)機事務(wù)處理。其特點是會有高并發(fā)且數(shù)據(jù)量級不大的查詢，是主要用于管理事務(wù)（transaction-oriented)的系統(tǒng)。此類系統(tǒng)專注于short on-line-tansactions 如INSERT, UPDATE, DELETE操作。通常存在此類系統(tǒng)中的數(shù)據(jù)都是以實體對象模型來存儲數(shù)據(jù)，并滿足3NF(數(shù)據(jù)庫第三范式)。

(2)OLAP

OLAP的全稱是 On-line Analytical Processing,中文名稱是聯(lián)機分析處理。其特點是查詢頻率較OLTP系統(tǒng)更低，但通常會涉及到非常復(fù)雜的聚合計算。

2.數(shù)據(jù)建模

1.范式模型（實體關(guān)系（ER）模型）

數(shù)據(jù)倉庫之父Bill Inmon推崇從全企業(yè)的高度設(shè)計一個3NF模型的方法，用實體加關(guān)系描述的數(shù)據(jù)模型描述企業(yè)業(yè)務(wù)架構(gòu)，在范式理論上符合3NF，站在企業(yè)角度面向主題的抽象，而不是針對某個具體業(yè)務(wù)流程的實體對象關(guān)系抽象。 特點：設(shè)計思路自上而下，適合上游基礎(chǔ)數(shù)據(jù)存儲，同一份數(shù)據(jù)只存儲一份，沒有數(shù)據(jù)冗余，方便解耦，易維護，缺點是開發(fā)周期一般比較長，維護成本高，需要全面了解企業(yè)業(yè)務(wù)、數(shù)據(jù)和關(guān)系。 1NF：屬性不可再分，即表中的每個列都不可以再進行拆分。 2NF：在滿足1NF的前提下，表中不存在部分依賴，非主鍵列要完全依賴于主鍵。(主要是說在聯(lián)合主鍵的情況下，非主鍵列不能只依賴于主鍵的一部分) 3NF：在滿足2NF的前提下，不存在傳遞依賴。（非主鍵列不能相互依賴）

2.維度模型

數(shù)據(jù)倉庫領(lǐng)域大師Ralph Kimball倡導(dǎo)，以分析決策的需求出發(fā)構(gòu)建模型，構(gòu)建的數(shù)據(jù)模型為分析需求服務(wù)，因此它重點解決用戶如何更快速完成分析需求，同時還有較好的大規(guī)模復(fù)雜查詢的響應(yīng)性能，更直接面向業(yè)務(wù)。 維度模型建設(shè)原則： 1.一致性維度和事實：企業(yè)數(shù)據(jù)倉庫應(yīng)該建立統(tǒng)一的一致性維度和事實，而不是為每個部門建立維度和事實。 2.一致性維度：具有一致的維度關(guān)鍵字、屬性列名稱，一致的屬性定義和屬性值。一致性維度要么是統(tǒng)一的，要么是維度的一個子集。 3.一致性事實：即每個事實度量在整個數(shù)據(jù)倉庫中都具有唯一的統(tǒng)計口徑，一個度量必須只有唯一的業(yè)務(wù)術(shù)語。 維度模型設(shè)計過程： 選定業(yè)務(wù)過程 -> 確定事實粒度 -> 確定維度 -> 確定事實。 選擇業(yè)務(wù)：選擇業(yè)務(wù)線，如訂單，倉庫，售后，計費。 聲明粒度：一行代表的信息（一條訂單？一天的訂單？一周的訂單？選擇最小粒度） 確認維度：選擇能夠描述清楚業(yè)務(wù)過程所處的環(huán)境的維度信息（誰，什么時間什么地點） 確認事實：選擇與業(yè)務(wù)過程有關(guān)的所有事實（度量值：如個數(shù)，件數(shù)，金額）

(1)維度表的分類

在維度建模中，將度量稱為“事實” ，將環(huán)境描述為“維度”。

①維度表

1.維度表設(shè)計原則

維度的作用一般是查詢約束、分類匯總以及排序等，我們在進行維度表設(shè)計時，應(yīng)當提前考慮： （1）維度屬性盡量豐富，為數(shù)據(jù)使用打下基礎(chǔ) 比如蘇寧商品維度有幾十個維度屬性，為下游的數(shù)據(jù)統(tǒng)計、分析、探查提供了良好的基礎(chǔ)。 （2）給出詳實的、富有意義的文字描述 屬性不應(yīng)該是編碼，而應(yīng)該是真正的文字。一般是編碼和文字同時存在，比如商品維度中的商品ID和商品標題、類目ID和類目名稱等。ID一般用于不同表之間的關(guān)聯(lián)，而名稱一般用于報表標簽 （3）區(qū)分數(shù)值型屬性和事實 數(shù)值型字段是作為事實還是維度屬性，可以參考字段的一般用途。如果通常用于查詢約束條件或分組統(tǒng)計，則是作為維度屬性；如果通常用于參與度量的計算，則是作為事實。比如商品價格，可以用于查詢約束條件或統(tǒng)計價格區(qū)間 的商品數(shù)量，此時是作為維度屬性使用的;也可以用于統(tǒng)計某類目下商品的平均價格，此時是作為事實使用的。 （4）沉淀出通用的維度屬性，為建立一致性維度做好鋪墊 有些維度屬性獲取需要進行比較復(fù)雜的邏輯處理，有些需要通過多表關(guān)聯(lián)得到，或者通過單表的不同字段混合處理得到，或者通過對單表的某個字段進行解析得到。此時，需要將盡可能多的通用的維度屬性進行沉淀。一方面，可以提高下游使用的方便性，減少復(fù)雜度；另一方面，可以避免下游使用解析時由于各自邏輯不同而導(dǎo)致口徑不一致。 （5）退化維度（DegenerateDimension） 在維度類型中，有一種重要的維度稱作為退化維度。這種維度指的是直接把一些簡單的維度放在事實表中。退化維度是維度建模領(lǐng)域中的一個非常重要的概念，它對理解維度建模有著非常重要的作用，退化維度一般在分析中可以用來做分組使用。例如來源渠道字段。 （6）緩慢變化維（Slowly Changing Dimensions） 維度的屬性并不是始終不變的，它會隨著時間的流逝發(fā)生緩慢的變化，這種隨時間發(fā)生變化的維度我們一般稱之為緩慢變化維（SCD），緩慢變化維一般使用代理健作為維度表的主健。 緩慢變化維的三種處理方式： ① 直接覆蓋原值 適用于：不看歷史數(shù)據(jù)，簡單粗暴

② 拉鏈表（新增列） 新增三列維度記錄，分配新的代理主鍵，通常配合有效開始時間、有效結(jié)束時間、有效標識使用

③ 增加屬性列 新增數(shù)據(jù)列記錄對應(yīng)列數(shù)據(jù)變化前數(shù)據(jù).

2.維度表設(shè)計方法

1.選擇維度或新建維度 作為維度建模的核心，在企業(yè)級數(shù)據(jù)倉庫中必須保證維度的唯一性。以蘇寧商品維度為例，有且只允許有一個維度的定義。 2.確定主維表 此處的主維度表一般是直接與業(yè)務(wù)系統(tǒng)同步得表。例如蘇寧商品的主維表是PCMS(商品中心)的商品數(shù)據(jù) 3.確定相關(guān)維表 數(shù)據(jù)倉庫是業(yè)務(wù)源系統(tǒng)的數(shù)據(jù)整合，不同業(yè)務(wù)系統(tǒng)或者同一業(yè)務(wù)系統(tǒng)中的表之間存在關(guān)聯(lián)性。根據(jù)對業(yè)務(wù)的梳理，確定哪些表和主維表存在關(guān)聯(lián)關(guān)系，并選擇其中的某些表用于生產(chǎn)維度屬性。以蘇寧商品維度為例，根據(jù)對業(yè)務(wù)邏輯的梳理，可以得到商品與品牌、品類等維度存在的關(guān)聯(lián)關(guān)系。 4.確定維度屬性 本步驟包括兩個階段，其中第一個階段是從主維度表中選擇維度屬性或生成新的維度屬性；第二個階段是從相關(guān)維表中選擇維度屬性或生成新的維度屬性。

②事實表

表中的每行數(shù)據(jù)代表一個業(yè)務(wù)事件?！笆聦崱北硎镜氖菢I(yè)務(wù)事件的度量值（可以統(tǒng)計次數(shù)、個數(shù)、金額等） 事實表分類： ?事務(wù)事實表 以每個事務(wù)或事件為單位，描述業(yè)務(wù)過程，例如一個銷售訂單記錄，一筆支付記錄等，作為事實表里的一行數(shù)據(jù)。一旦事務(wù)被提交，事實表數(shù)據(jù)被插入，數(shù)據(jù)就不再進行更改，其更新方式為增量更新 ?周期快照事實表 以一個周期為時間間隔，來記錄事實，一般周期可以是每天、每周、每月、每年等； ?累積快照事實 用來描述過程開始和結(jié)束之間的關(guān)鍵步驟事件，覆蓋過程的整個生命周期，通常具有多個日期字段來記錄關(guān)鍵時間點；當過程隨著生命周期不斷變化時，記錄也會隨著過程的變化而被修改；比如：創(chuàng)建訂單 → 買家付款 → 賣家發(fā)貨 → 買家確認收貨。粒度是一個訂單一行數(shù)據(jù)，創(chuàng)建訂單時間，付款時間，發(fā)貨時間，收貨時間，分別作為一個字段，便于計算不同業(yè)務(wù)過程的時間間隔。

1.事實表設(shè)計原則

原則 1：盡可能包含所有與業(yè)務(wù)過程相關(guān)的事實 分析哪些事實與業(yè)務(wù)過程相關(guān)，是設(shè)計過程中非常重要的關(guān)注點；在事實表中，盡量包含所有與業(yè)務(wù)過程相關(guān)的事實，即使存在冗余，由于事實通常是數(shù)字型，存儲開銷不會太大； 原則 2：只選擇與業(yè)務(wù)過程相關(guān)的事實 如：訂單的下單這個業(yè)務(wù)過程，事實表中不應(yīng)該存在支付金額這個表示支付業(yè)務(wù)過程的事實； 原則 3：分解不可加性事實為可加的組件 如，訂單的優(yōu)惠率，應(yīng)分解為訂單原價金額與訂單優(yōu)惠金額兩個事實存儲在事實表中； 原則 4：在選擇維度和事實之前必須先聲明粒度 粒度用于確定事實表中一行所表示業(yè)務(wù)的細節(jié)層次，決定了維度模型的擴展性；每個維度和事實必須與所定義的粒度保持一致；設(shè)計事實表時，粒度定義越細越好，一般從最低級別的原子粒度開始； 原則 5：在同一個事實表中不能有多種不同粒度的事實 原則 6：事實的單位要保持一致 如，訂單金額、訂單優(yōu)惠金額、訂單運費這3個事實，應(yīng)該采用統(tǒng)一的計量單位，統(tǒng)一為元或者分，以方便使用； 原則 7：對事實的null值要處理 原則 8：使用退化維度提高事實表的易用性

2.事實表設(shè)計方法

1.選擇業(yè)務(wù)過程 選擇需要進行分析決策的業(yè)務(wù)過程。 業(yè)務(wù)過程可以概括為一個不可拆分的行為事件或者事件的當前狀態(tài)；比如日志域的曝光、訪問、點擊、搜索等； 2.聲明粒度 在事件分析中，我們需要預(yù)判所有分析需要細分的程度，從而決定選擇的粒度。粒度是維度的組合。 數(shù)據(jù)整合的程度，采用“最小粒度原則”，即將度量的粒度設(shè)置到最小。 3.確認維度 選擇好粒度之后，就需要基于此粒度設(shè)計維度表，包括維度屬性，用于分析時進行分組和篩選。 4.確認度量 確定分析時候需要衡量的指標。

(2)數(shù)據(jù)組織類型

按數(shù)據(jù)組織類型劃分可分為星型模型、雪花模型、星座模型。 ①　星型模型 是一種多維的數(shù)據(jù)關(guān)系，它由一個事實表（Fact Table）和一組維表（Dimension Table）組成每個維表都有一個維作為主鍵，所有這些維的主鍵組合成事實表的主鍵。 星型架構(gòu)是一種非正規(guī)化的結(jié)構(gòu)，多維數(shù)據(jù)集的每一個維度都直接與事實表相連接，所以數(shù)據(jù)有一定的冗余。 ②　雪花模型 雪花模型，在星型模型的基礎(chǔ)上，維度表上又關(guān)聯(lián)了其他維度表。這種模型維護成本高，性能方面也較差，所以一般不建議使用。尤其是基于hadoop體系構(gòu)建數(shù)倉，減少join就是減少shuffle，性能差距會很大。 ③　星座模型 星座模型，是對星型模型的擴展延伸，多張事實表共享維度表。

(3)總線架構(gòu)框架

在Kimball的維度建模的數(shù)據(jù)倉庫中，關(guān)于多維體系結(jié)構(gòu)（MD）有三個關(guān)鍵性概念：總線架構(gòu)（Bus Architecture），一致性維度（Conformed Dimension）和一致性事實（Conformed Fact），主導(dǎo)思想是分步建立數(shù)據(jù)倉庫，由數(shù)據(jù)集市組合成企業(yè)的數(shù)據(jù)倉庫。但是，在建立第一個數(shù)據(jù)集市前，架構(gòu)師首先要做的就是設(shè)計出在整個企業(yè)內(nèi)具有統(tǒng)一解釋的標準化的維度和事實，即一致性維度和一致性事實。而開發(fā)團隊必須嚴格的按照這個體系結(jié)構(gòu)來進行數(shù)據(jù)集市的迭代開發(fā)。

(4)建設(shè)公共層流程

第一步：需求調(diào)研 業(yè)務(wù)調(diào)研：確認需求的產(chǎn)業(yè)板塊、產(chǎn)品線、功能模塊以及具體的業(yè)務(wù)流程； 需求分析：與分析師、業(yè)務(wù)運營人員確認數(shù)據(jù)需求，具體到表報形式(維度+指標)。 第二步：確定數(shù)據(jù)域 確認歸屬的數(shù)據(jù)域（如交易域、日志域、會員域等）； 第三步：構(gòu)建總線矩陣 確認業(yè)務(wù)過程：業(yè)務(wù)過程可以概括為一個不可拆分的行為事件或者事件的當前狀態(tài)； 確認數(shù)據(jù)粒度：數(shù)據(jù)整合的程度，采用“最小粒度原則”，即將度量的粒度設(shè)置到最??； 確認業(yè)務(wù)主體：業(yè)務(wù)主體是維度的分類（如商品、店鋪、買家等），以及維度的層次; 第四步：明確指標統(tǒng)計 明確需求的原子指標、派生指標(維度+原子指標的組合)。 第五步：一致性維度度量定義 確認一致性維度：確認一致性維度屬性以及對應(yīng)的維度編碼，明確新增維度屬性； 確認一致性度量：確認一致性的指標以及對應(yīng)的指標編碼，明確新增指標。 第六步：維度模型設(shè)計（DIM） 一致性維度設(shè)計(DIM)：根據(jù)總線矩陣完成維表設(shè)計，維度及屬性的規(guī)范定義。 第七步：明細模型設(shè)計 一致性事實表設(shè)計（DWD）：根據(jù)總線矩陣的業(yè)務(wù)過程完成一致性事實表設(shè)計，包含單事務(wù)事實表和多事務(wù)事實表，確認一致性維度，分解不可加性事實為可加的原子事實/度量（如訂單優(yōu)惠率分解為訂單原價金額和訂單優(yōu)惠金額）。 第八步：匯總模型設(shè)計 公用匯總層模型設(shè)計（DWS）：確認業(yè)務(wù)主體和數(shù)據(jù)域，根據(jù)總線矩陣，面向業(yè)務(wù)主體建模；確認公用的指標，不可累加的衍生指標(如比率、比例、TOPN等)拆成可累加的指標；DWS可以根據(jù)需要分層，比如：第一層當日匯總，第二層周、季、月、年累計等周期需求基于日匯總表進一步處理，或者在ADS層處理； 應(yīng)用匯總層設(shè)計（ADS）：確認業(yè)務(wù)場景，將同主體的DWS層模型進行組裝，生成應(yīng)用個性化指標以及處理時間修飾的派生指標(如最近7天的銷售金額等) 。

3.Data Vault模型

DataVault由Hub（關(guān)鍵核心業(yè)務(wù)實體）、Link（關(guān)系）、Satellite（實體屬性） 三部分組成 ，是Dan Linstedt發(fā)起創(chuàng)建的一種模型方法論，它是在ER關(guān)系模型上的衍生，同時設(shè)計的出發(fā)點也是為了實現(xiàn)數(shù)據(jù)的整合，并非為數(shù)據(jù)決策分析直接使用。

4.Anchor模型

高度可擴展的模型，所有的擴展只是添加而不是修改，因此它將模型規(guī)范到6NF，基本變成了K-V結(jié)構(gòu)模型。企業(yè)很少使用。

3.數(shù)倉總體架構(gòu)

(1)ODS (Operation Data Store) 原始數(shù)據(jù)層

該層最接近數(shù)據(jù)源中數(shù)據(jù)的一層，是數(shù)據(jù)倉庫準備區(qū)，為DWD層提供基礎(chǔ)原始數(shù)據(jù)，可減少對業(yè)務(wù)系統(tǒng)的影響，與業(yè)務(wù)系統(tǒng)數(shù)據(jù)模型保持一致、按主題邏輯劃分。 ?SSA（細節(jié)數(shù)據(jù)臨時存儲區(qū)）System of records Staging Area SSA層保存源系統(tǒng)每天的增量數(shù)據(jù)，可根據(jù)應(yīng)用需要保留適當歷史周期的數(shù)據(jù)，不長期保存數(shù)據(jù)。 ?SOR（細節(jié)數(shù)據(jù)區(qū)）System of Record 存儲數(shù)據(jù)倉庫最細節(jié)數(shù)據(jù)，按照業(yè)務(wù)源系統(tǒng)分類劃分。 對數(shù)據(jù)做結(jié)構(gòu)化處理，業(yè)務(wù)上對數(shù)據(jù)做清洗轉(zhuǎn)換處理，排重數(shù)據(jù)保持業(yè)務(wù)主鍵唯一，完整保留所有細節(jié)數(shù)據(jù)。 近源層是整個數(shù)據(jù)倉庫中數(shù)據(jù)量最大的部分。

(2)DWD (Data Warehouse Detail) 明細數(shù)據(jù)層

對ODS層的數(shù)據(jù)做一定的數(shù)據(jù)清洗和轉(zhuǎn)換（NULL值處理、數(shù)據(jù)格式統(tǒng)一），提供業(yè)務(wù)系統(tǒng)細節(jié)數(shù)據(jù)的長期沉淀，為未來分析類需求的擴展提供歷史數(shù)據(jù)支撐 明細數(shù)據(jù)區(qū)面向數(shù)據(jù)域和業(yè)務(wù)過程建表，從事實的多種角度(維度)來描述事實（指標）的模型，包含：事務(wù)事實表、周期快照事實表、累積快照事實表。 ●目的：對外提供的公用明細清單——穩(wěn)定性、豐富性、易用性、一致性、可塑性 ●技術(shù)手段：基于最細粒度的事實重新組裝(join)+一致性維度下沉+公用業(yè)務(wù)標簽化

(3)DWS (Data Warehouse Service) 服務(wù)數(shù)據(jù)層

公共匯總層主要是將使用頻繁的公用數(shù)據(jù)，通過聚集進行抽象沉淀。根據(jù)數(shù)據(jù)分析的需求，基于通用業(yè)務(wù)邏輯、指標定義和共性分析的要求，設(shè)計匯總表的指標。 ●目的：抽象出面向業(yè)務(wù)主體（商品、買家、店鋪等）的使用頻繁的公用匯總數(shù)據(jù)，提升數(shù)據(jù)查詢效率 ●技術(shù)手段：維度下沉+一致性維度+公共指標建設(shè)

(4)DIM（統(tǒng)一維度區(qū)）

提供數(shù)倉統(tǒng)一維度模型，所有需要使用到的維度表都從此區(qū)獲取。

(5)ADS (Application Data Store) 應(yīng)用數(shù)據(jù)層

該層主要是提供數(shù)據(jù)產(chǎn)品和數(shù)據(jù)分析使用的數(shù)據(jù)，我們說的報表數(shù)據(jù)就是這一層。

4.為什么要進行數(shù)據(jù)倉庫建模

只有數(shù)據(jù)模型將數(shù)據(jù)有序的組織和存儲起來之后，大數(shù)據(jù)才能得到高性能、低成本、高效率、高質(zhì)量的使用。 性能：良好的模型能幫我們快速查詢需要的數(shù)據(jù)，減少數(shù)據(jù)的IO吞吐 成本：減少數(shù)據(jù)冗余、計算結(jié)果復(fù)用、從而降低存儲和計算成本 效率：改善用戶使用數(shù)據(jù)的體驗，提高使用數(shù)據(jù)的效率 質(zhì)量：改善統(tǒng)計口徑的不一致性，減少數(shù)據(jù)計算錯誤的可能性

5.數(shù)據(jù)治理

阿里巴巴的數(shù)據(jù)治理模式：

?數(shù)據(jù)穩(wěn)定性與質(zhì)量治理：解決數(shù)據(jù)產(chǎn)出及時性和準確性問題 ?數(shù)據(jù)規(guī)范治理：解決數(shù)據(jù)口徑一致性問題 ?數(shù)據(jù)安全治理：解決數(shù)據(jù)權(quán)限控制與數(shù)據(jù)共享交換問題 ?數(shù)據(jù)成本治理：解決數(shù)據(jù)計算和存儲成本高昂問題

1.數(shù)據(jù)穩(wěn)定性

針對任務(wù)進行優(yōu)先級，失敗重試，告警等配置，出現(xiàn)問題可以及時通知相關(guān)人員進行處理，保證數(shù)據(jù)穩(wěn)定產(chǎn)出

2.數(shù)據(jù)質(zhì)量治理

數(shù)據(jù)質(zhì)量直接影響數(shù)據(jù)價值和加工效率，高質(zhì)量的數(shù)據(jù)對完整性、有效性、準確性、唯一性、一致性、合理性等特性有很高的要求。阿里巴巴將這些特性封裝成靈活的規(guī)則，然后將規(guī)則應(yīng)用到具體的任務(wù)，通過調(diào)度平臺，進行規(guī)則巡檢和規(guī)則執(zhí)行，并對有問題的任務(wù)進行告警或者阻塞處理。其關(guān)鍵特點如下： 質(zhì)量監(jiān)控與調(diào)度掛鉤，第一時間發(fā)現(xiàn)問題，避免上游臟數(shù)據(jù)污染下游數(shù)據(jù)，大大減小影響面。 40+規(guī)則&自定義規(guī)則，精細化質(zhì)量控制。 無需設(shè)定閾值，算法自動判斷異常值。 故障快速恢復(fù)。

3.數(shù)據(jù)規(guī)范治理

數(shù)據(jù)在實現(xiàn)層面以表為單位進行，阿里巴巴圍繞數(shù)據(jù)生產(chǎn)使用全生命周期，在指標體系設(shè)計、數(shù)據(jù)模型設(shè)計、數(shù)據(jù)處理任務(wù)開發(fā)、數(shù)據(jù)服務(wù)開放等環(huán)節(jié)的每個關(guān)鍵階段都設(shè)計具體標準、流程及規(guī)范，比如創(chuàng)建指標的時候要配置相應(yīng)的指標描述，業(yè)務(wù)口徑的描述（比如倉儲每日的發(fā)貨的及時率統(tǒng)計），技術(shù)口徑的描述（通過相關(guān)維度統(tǒng)計已發(fā)貨單數(shù)與總單數(shù)的比值），還有指標對應(yīng)的業(yè)務(wù)、產(chǎn)品、開發(fā)分別是誰等等

4.數(shù)據(jù)安全治理

創(chuàng)建模型的時候?qū)ψ侄芜M行敏感等級配置，是否進行加密、脫敏，以及表權(quán)限等級的配置

5.數(shù)據(jù)成本治理

通過設(shè)立組織大的成本目標，然后通過培養(yǎng)個人的成本意識，在數(shù)據(jù)的計算與存儲、治理與運營層面建立具體目標去細化和落地，來推進數(shù)據(jù)治理方面的成本管理。比如阿里巴巴2020年成本治理的目標：數(shù)據(jù)成本增速不能超過業(yè)務(wù)增速。

柚子快報激活碼778899分享：數(shù)據(jù)庫 數(shù)據(jù)倉庫知識點總結(jié)

http://yzkb.51969.com/

推薦鏈接