一、数仓是什么？
根据维基百科的定义，数仓是用于报告和数据分析的系统，是来自一个或多个不同源的集成数据的中央存储库，它将当前和历史数据存储在一起。
数仓具备以下几大特性：
- 主题导向：通常需要按业务含义归类至相同的主题区；
- 集成性：数据来自企业各OLTP系统，在数仓中是集成且一致的；
- 时间差异性：数据的变动，在数仓中是可以被记录及追踪变化的；
- 不变性：数据一旦确认写入后是不会被取代或删除的，即使数据是错误的也如此。
以上对数仓的定义和描述较偏学术，在工业界实际业务场景下，各个特性可能会有取舍或折中。可以理解为现实中的数仓就是一个存放数据的大而全的仓库，数据的组织方式较强依赖于业务特点，不同业务领域的数仓结构、组织方式和技术选型存在千差万别。
二、数仓的作用是什么？
“数据仓库”与“数据库”
在谈到“数据仓库”的作用时，往往需要和“数据库”做比较。两者名称上只有一字之差，但通常来说两者在业务系统中的定位、作用、要求和实现方式都不一样，其中最主要的区别有：
- 数据库用于事务处理，满足线上服务的需求；而数仓用于数据分析，满足线下分析决策的需求；
- 数据库服务于线上系统，考虑到性能和稳定性，其查询逻辑相对比较简单；数仓面向业务领域复杂的分析需求，查询逻辑更为复杂。
引入数仓的作用
业务系统通常是先有数据库，再有数仓的。数据库在建设初期承接线上事务的处理，以及少量简单的分析型任务。随着系统的演进，单纯的数据库已经无法支撑越来越复杂的分析需求，这时就需要数仓出场了。引入数仓带来的好处主要有以下几点：
- 能够包含多种来源的数据，数据内容丰富，包括：历史的和当前的所有数据、原始的和经过复杂逻辑加工的各类数据等；
- 可以统一数据访问入口，无需逐个连接数十个甚至更多的业务系统或微服务，进而可以简化数据分析方式；
- 可以隔离线上业务系统和线下分析系统，保障系统稳定和数据安全；
- 可以屏蔽系统/服务间的差异，提供数据的标准语义集，为数据质量提供统一的校验机制。
顺带介绍一下，一个完整的“数据库+数据仓库”体系有两种技术选型模式：
- 组合型：数据库和数仓选用不同的组件，如MySQL/Oracle数据库+Hive/Redshift数仓，各个组件专注于单一职责；
- 单一型：选用兼容数据库和数仓功能的组件，例如TiDB/Spanner，一个引擎解决两方面问题。
