新一代数据仓库：MPP与分析型DWH的融合与技术趋势

本文主要探讨了下一代数据仓库及商业智能（Business Intelligence, BI）领域的其他技术发展趋势。首先，文章提到了数据访问作为服务（DAAS）的概念，如Kognitio、Aster Data System和Vertica等公司在亚马逊和Appuxs的公有云平台上提供数据仓库服务，允许企业通过云端轻松访问和管理数据。 其次，云计算和内存数据仓库（In-Memory Data Warehouse）是关键技术，它们提供了实时数据获取、快速计算能力和高可用性。然而，这些技术与传统的分析型数据仓库在并行访问和实时更新方面存在冲突，需要在设计中平衡实时性和数据分析的需求。 开放源代码BI也是讨论的一部分，它强调分析型数据集市和分析型沙箱（Sandbox），使得数据处理更为灵活且成本更低，部署更加便捷。此外，分析型数据库因其开放、低成本和部署简易性，正在成为市场上的重要选项。 文章还详细比较了不同的数据仓库类型，如MPP（Massively Parallel Processing，大规模并行处理）数据仓库与SMP（Single Machine Processing，单机处理）数据仓库。MPP适合于对大量数据进行复杂分析的场景，提供强大的分析性能，而SMP则适用于处理混合负载和规模相对较小的数据集。 针对企业数据仓库的需求变化，文章指出未来数据仓库平台的发展驱动力包括：多样化的数据访问方式、实时决策的需要、海量数据的增长以及低成本容量扩展。在技术层面，MPP逐渐成为主流选择，因为它能够满足超强的分析需求，同时处理大规模数据。 对于不同的业务场景，数据仓库平台的特点也有所区别，例如，面向分析的固定KPI报告和周期性分析展示的系统通常更注重数据探索和实时性，而侧重于数据挖掘和随机访问分析的环境则需要更细粒度的数据访问。 总结来说，下一代数据仓库技术正在朝着云计算、高性能计算和开源解决方案发展，以满足企业日益增长的实时分析和大数据处理需求。同时，企业在选择技术时需考虑业务需求、技术成本和体系架构的适应性。