数据仓库、数据库与数据湖的区别

数据库（OLTP）与数据仓库（OLAP）的区别：

1、数据库是面向事务设计的；数据仓库是面向主题设计的
2、数据库一般存储的是在线交易数据，有很高的事务要求；数据仓库存的是历史数据
3、数据库设计采用范式设计，尽量避免冗余；数据仓库采用反范式设计，有意引入冗余
数据库三大范式（
一、列的原子性：列不可再分；
二、属性完全依赖于主键：每个实例或行唯一区分；
三、属性不依赖于其他非主属性，属性直接依赖于主键；a-->b-->c 属性之间含有这样的关系）
4、数据库是为捕获数据而设计的；数据仓库是分析数据而设计的
维表：是看问题的角度不一样
事实表：是放用来查询的数据

OLTP（联机事务处理）和 OLAP（联机分析处理）的区别：
OLTP：传统关系型数据库的主要应用，主要面对基本的、日常事务处理；用于操作性处理
OLAP：数据仓库的主要应用，支持复杂的分析操作，侧重决策支持，提供直观易懂的结果；

用户：
OLTP ：操作人员，底层管理人员；
OLAP ：决策人员，高级管理人员；
功能：
OLTP ：日常操作处理；
OLAP ：分析决策；
DB设计：
OLTP：E-R模型面向应用
OLAP：星型、雪花、星座模型，面向主题
数据：
OLTP：二维的、最新的、分立的、细节的；
OLAP：多维的、历史的、集成的、聚集的
存储规模，操作频率等；

数据仓库与数据湖的区别

数据仓库 ：面对历史数据沉淀和分析使用，存储以关系型数据库组织起来的结构化数据与 schema 是强匹配：设计在数据仓库实施之前（写入型 schema）
特征：集成性（数据来源众多，需要技术和规范来统一存储方式）。
非易失和随时间变化，存储过去每一天的快照，可对前后数据进行对比。
面对主题，根据业务对数据进行有效的编码，让理论的最佳值在应用中落地。
集中式的：业务分配需求到数据团队--》数据团队加工，开发成维度表。
数据湖：补全数据仓库实时处理能力，交互式分析能力等新技术的缺失，有丰富的计算引擎：批处理，机器学习，交互式，等。

有多种选择想用什么就用什么
存储任何类型的数据，不许满足 schema 的特性：写入在分析时（读取型 schema ）
特征：灵活性，业务不确定，具备‘按需’贴合业务能力
管理型，保存原始信息和处理后的信息，在数据源、数据格式，数据周期等维度，能追溯数据的接入，分析，存储和使用等流动的过程
多态型：多态的引擎支持，扩展能力，能应对业务的快速变化
开放、自助式的