漫谈 ODS

ODS全称为Operational Data Store，通常国内同行翻做操作型数据存储。目前关于ODS的资料比较少，翻译过来的就更少了。我印象中关于ODS的详细描述基本上都来自于Inmon的著作，其中《Building the Operational Data Store》全面、系统的阐述了ODS，可惜这本书目前国内尚未引进。国内翻译过来的数据仓库方面的书中，据我所知在《企业信息工厂》（第六章）以及《数据仓库》（章节3.20）中有专门的章节描述ODS。

• 面向主题的
• 集成的
• 易变的
• 明细的
• 反映当前数据值的

    ODS是企业数据架构中最为复杂的一种形态，既要满足数据事务操作要求，又要满足数据分析要求，从技术构建角度考察，难度相当之大。目前国内相关案例很少，在我印象当中，中国电信的CTG-MBOSS规划中对ODS有比较明确的要求，但在CTG-MBOSS规范中，ODS也做了一定的变更处理。在实际的省公司EDA（企业数据架构）建设中，并没有形成一个统一的建设模式，比如在云南电信以及上海电信的ODS系统建设中（云南电信ODS已经初验，上海电信的ODS算是上线了），ODS的定位就比较模糊，其主要功能是给数据仓库提供数据（作为EDW的数据源）。

    大致来讲，ODS有以下四种类型：

• I 类ODS，与应用系统的数据延迟为1~2秒，实时或近似实时
• II 类ODS，与应用系统的数据延迟为2~4小时
• III 类ODS，与应用系统的数据延迟为12~24小时
• IV 类ODS，数据仓库中部分决策分析数据回流至ODS中

    数据延迟时间越短，ODS建设难度越高，其中I 类ODS的建设难度最高，建设成本也是最高的。而且由于I 类ODS的实时性，对于技术的要求与其它类型ODS也有所不同，一般来讲需要用到EAI技术（如果同步的数据量比较小的话也可以考虑触发器来实现，但从维护、企业长远规划的角度来考虑，使用触发器只是权宜之计），但随着当前企业对数据仓库的实时性要求越来越高，以及企业对战术性决策支持的需求越来越大，相信I 类ODS会变得越来越重要。通常在企业的EDA中，ODS是一个可选件，但一旦需要用到ODS的功能，那么ODS本身就将变得极为重要。

    目前应用的比较多的是IV 类ODS，因为一旦将决策分析结果加载到ODS中，重要决策信息的高性能联机支持将成为可能，举例如下：

• 客户细分与评价
• 银行客户贷款

    ODS与数据仓库的重要区别如下：

• ODS只存储明细数据
• ODS中存储的数据一般不超过一个月
• ODS支持事务更新操作

    在ODS中存在3种不同的时间窗处理：

• OLTP时间段，与应用系统保持同步更新（通常采用消息机制）
• 批处理时间段，从应用系统中接收批量数据（通常采用ETL的方式）
• DSS时间段，从数据仓库中接收决策支持数据

    由于ODS需要满足上述不同处理类型的性能要求，导致ODS无法对任何一种类型进行优化，只能进行折衷考虑，这也正是ODS的技术复杂原因所在。

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