Azure SQL 數(shù)據(jù)庫倉庫Data Warehouse入門,azure sql數(shù)據(jù)倉庫-ESG跨境

Azure SQL 數(shù)據(jù)庫倉庫Data Warehouse入門,azure sql數(shù)據(jù)倉庫

Azure SQL 數(shù)據(jù)庫倉庫Data Warehouse入門

1.什么是SQL數(shù)據(jù)庫倉庫(SQL DW)

SQL DW是云端的企業(yè)級數(shù)據(jù)倉庫，用來處理TB，甚至PB級別的關系型數(shù)據(jù)庫的OLAP(聯(lián)機分析處理)場景，主要用來做數(shù)據(jù)分析和查詢。

2.什么是OLAP

OLAP(Online Analysis Processing)聯(lián)機分析處理。表示從多維數(shù)據(jù)集的多維結(jié)構(gòu)來對數(shù)據(jù)進行聚合處理

3.OLAP和OLTP的區(qū)別

OLTP(Online Transaction Processing)，聯(lián)機事務處理。表示事務性非常高的系統(tǒng)，高頻度的插入、讀取、刪除操作

OLAP和OLTP的使用場景不一樣

4.SQL Data Warehouse不適合的場景

SQL DW不適合OLTP的場景，不適合數(shù)據(jù)庫的高頻Insert/update/delete

(1)OLTP工作負載

(2)大量的小讀寫

(3)多租戶數(shù)據(jù)庫

(4)經(jīng)常更改架構(gòu)

(5)逐行處理

(6)JSON，XML數(shù)據(jù)和Spatial，Struct，Array和Map數(shù)據(jù)類型

(7)Power BI直接查詢需要儀表板性能

(8)查詢的高并發(fā)性（例如，數(shù)十萬個并發(fā)查詢）

(9)小數(shù)據(jù)集（小于250GB）

(10)通過嚴格的RPO和RTO進行災難恢復

5.SQL DW適合的場景

SQL適合OLAP(聯(lián)機分析處理)的場景，比如報告，統(tǒng)計，分析等場景

6.SQL DW的設計模式

(1)批量導入數(shù)據(jù)

(2)將Table數(shù)據(jù)拆分為事實表和維度表

(3)涉及多張表鏈接的復雜查詢

(4)針對某些維度的聚合查詢

7.什么叫做事實表和維度表

(1)事實表，就是用來存儲真實數(shù)據(jù)的表，包含數(shù)字信息。比如訂單數(shù)據(jù)表，銷售數(shù)據(jù)表等。事實表中的數(shù)據(jù)量一般很大

(2)維度表，就是用來描述用戶分析數(shù)據(jù)的角度。一般是事實表的外鍵表，比如年月日，大洲國家省份。

一般來說，事實表就是要關注的內(nèi)容，維度表就是進行統(tǒng)計的角度。

8.SQL DW的使用場景

(1)在過去1個月內(nèi)，有多少客戶訂購了該產(chǎn)品，統(tǒng)計庫存水平是否足夠

(2)一周內(nèi)，哪一天客戶從ATM取款最多

(3)統(tǒng)計過去30天內(nèi)，每天的銷售額有多少

9.Azure SQL DW采用了大規(guī)模并行處理(MPP)架構(gòu)。

作為微軟云Azure的一種服務，Azure SQL DW由微軟維護底層的硬件和軟件，以保證SQL DW始終運行在Azure最新的硬件和軟件上

客戶可以輕松的把數(shù)據(jù)加載到SQL DW并進行查詢，在業(yè)務高峰時，可以橫向擴展計算節(jié)點

10.什么是大規(guī)模并行處理MPP架構(gòu)

MPP架構(gòu)的角色分為頭節(jié)點(Head Node)和工作節(jié)點(Work Node)。

Head Node保存了數(shù)據(jù)表的源數(shù)據(jù)(Meta data)，也就是說Head Node知道數(shù)據(jù)庫的哪些數(shù)據(jù)，保存在哪些Work Node里

用戶的數(shù)據(jù)表分布在不同的Work Node里。

當用戶對SQL DW進行查詢的時候，Head Node會把查詢語句分解為很多子查詢，根據(jù)需要進行數(shù)據(jù)移動，并且把這些子查詢發(fā)快遞給Work Node以進行并行執(zhí)行

舉個例子，假設1個班級有60個學生，當老師需要批改作業(yè)的時候，有兩種方法：

(1)老師一個人批改所有60個學生的試卷，速度會很慢

(2)老師把學生分為6組，每組10個人。然后把全班的試卷平均的分配給這6組。由每個組各自批改試卷。這樣批改作業(yè)就平行了

顯而易見，第二種方法的效率最高

MPP架構(gòu)，除了微軟的SQL DW以外，還有Hadoop(Hive和Spark),Teradata,Amazon Redshift,Vertica等產(chǎn)品

11.SMP架構(gòu)

與MPP相反架構(gòu)，是SMP(Symmetric Multiprocessing)，這就類似于傳統(tǒng)的單一數(shù)據(jù)庫。所有的業(yè)務邏輯都有1臺服務器在處理

比如傳統(tǒng)的SQL Server,MySQL等，都屬于SMP架構(gòu)

12.MPP架構(gòu)和SMP架構(gòu)，如何支撐更多的業(yè)務需求

(1)在MPP架構(gòu)里，計算節(jié)點是橫向擴展的。比如從6個節(jié)點并行處理，橫向擴展為20個節(jié)點并行處理。這種方式又被稱為ScaleOut

(2)在SMP架構(gòu)里，計算節(jié)點和向上向下擴展的。比如從1臺8Core/16GB的服務器，向上擴展為1臺32Core/512GB的服務器。這種方式又被稱為ScaleUp

特別聲明：以上文章內(nèi)容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內(nèi)容、版權(quán)或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。