直面商业智能不同的技术路线

　　数据仓库引擎是BI中的核心，它的性能高低直接决定了BI的表现。

　　一个完整的BI(Business Intelligence)应用通常涉及数据仓库引擎及其相关的设计建模工具、ETL工具、前端展现工具等。这里的数据展现主要作用是以图表、Dashboard等形式将结果呈现给用户;ETL负责将原始数据进行抽取、转化、清洗、装载进数据仓库;数据仓库负责执行数据的存储和管理，并执行前端展现工具提交的各种查询分析任务。在BI应用中，数据仓库类似于汽车的引擎，居于核心地位，它的性能高低直接决定了BI应用的响应速度。而在大型BI应用中，性能是一个非常关键的问题，特别是那些有着海量数据、需要完成复杂查询任务的系统，数据仓库引擎的选择就更为关键。

　　不同的技术路线

　　综观目前的数据仓库市场，能提供这一个工具的供应商并不多，一线的厂商主要有Teradata、IBM、Oracle、Sybase、Microsoft等。尽管同为数据仓库引擎，但是这些供应商各自所走的技术路线并不同，不同的技术也导致了它们的产品具有完全不同的特点。

　　Teradata应该算最为特立独行的一个。Teradata数据仓库主要运行在NCR WorldMark SMP硬件的Unix操作系统平台上(该公司也提供基于Windows NT的Teradata)，它的高性能主要通过Teradata与NCR硬件平台海量并行处理服务器(Massively Parallel Processing, MPP)结合，以及采用特有BYNET协议和查询优化等技术实现并行等机制来实现。由于采用一些专有的硬件和技术，因此，价格较高，是数据仓库中的贵族。

　　IBM、Oracle和Microsoft的数据仓库引擎属于同一类，它们都提供数据库产品，其数据仓库引擎和数据库引擎从技术上说有很多相似之处。这种技术路线给它们带来的好处是，其数据仓库解决方案很自然地从数据库技术拓展和延伸而来，集成性、延续性比较突出。

　　与IBM、Oracle等相比，虽然Sybase也同时提供数据库和数据仓库产品，但是，其Sybase的数据仓库引擎却走了一条与其数据库、也与Oracle、IBM完全不同的技术路线。其中最大的不同就是在Sybase数据仓库引擎(即Sybase IQ)中采用列存储架构，而所有关系型数据库引擎广泛采用的则是行式存储。

　　列存储技术

　　在关系型数据库内核中，数据库是按行来存储数据记录的，也就是说数据库表最典型的表示为一条数据页链，每一数据页中有一行或者多行数据记录。而在数据仓库应用中，从查询性能的观点出发，这种存储方式并不可取。因为在OLTP(在线事务处理，即传统数据库应用)环境中，一个事务处理是与一行(或多行)数据有效对应的，而在OLAP(在线分析处理，即BI应用)环境中，以查询处理最多，而查询是基于特定的列来选择的。Sybase IQ是按列来组织数据的，每张表是一组相互独立的页链，每个页链代表表中的一列。

　　基于列存储所带来的一个直接好处是，在压缩方面比传统的关系型数据更加有效。这是因为同一列的所有数据域有相同的类型，因而每一列都可以为优化的效率和检索进行压缩。而基于行的存储，各个不同的域拥有各不相同的数据类型，尽管这非常适合交易进程，但并不适合压缩，因为压缩很可能只能采用一种最低通用原则。

　　事实上，在压缩效果上，Sybase非常自信。Sybase中国公司CTO卢东明对记者表示，Sybase IQ能保证至少3倍以上的压缩比。高的压缩能力能带来存储成本的节约，有人曾经对数据的存储成本进行过估算，目前每管理1TB数据的软硬件加人力成本大约为5万美元左右。

　　列存储的另一个好处是性能上的提高。在行存储方式的情况下，如果需要访问数据必须读出完整的一行，而不管你实际感兴趣的是其中哪一个或几个域。因此，这可能形成只需要50K的数据却需要读出500k的情况。而在采用列存储方式时，可以只读出所需要的列数据。读出数据量的减少直接后果就是性能的提高。特别是在处理大数据量、复杂的跨多表查询时，列存储在性能上的提升非常明显。

　　除此之外，Sybase IQ还采用了其他的一些专有技术，如位图索引和BitWise索引技术等。“由于这些技术的采用，最终保证了Sybase IQ查询速度的极大改进，这种速度的提高能达到10倍以上。因此，我们认为Sybase IQ的技术是革命性的。”Sybase的卢东明在接受记者采访时表示。

　　目前，上述三种不同的数据仓库技术到底哪种更好，各家都有自己的说法。因此，对用户而言，具体选择时还需多了解同类型的BI应用。不过，用户倒是乐观其成，毕竟竞争可以带给用户更好的技术和产品。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友