1、Data Consolidation： 数据整合
2、Data Integration： 数据集成
2.1、概述
将分散的数据源的数据，逻辑的或物理的集中到一个数据集合中。使用户以相同的方式访问所有数据源。
2.2、难点及处理方法
1） 异构：数据源的语义，相同语义数据的表达形式不同，数据源使用环境不同；
由数据源建模的不同而引起数据的异构。如果数据源间的实体关系模型相同，只是命名规则不同时，属于语法异构。
语法异构： 只需要知道数据结构信息，将数据源结构映射到目标数据结构上即可。
语义异构：一般需要直接处理内容。如内容合并、内容拆分、数据类型变换等。
2） 自治性：各数据源有很强的自治性，可能在不通知集成的情况下改变结构和数据。
2.3、数据集成分类
1）基本集成
通用标识符问题： 当同一实体存在于多个系统中，并且没有办法确认他们属于同一个实体时。
2）视图集成
2.4、常见数据集成方法
1）数据仓库：将各个数据源的数据复制到同一处，方便用户访问所有数据。
它不是面向事务的（实时应用，减少数据冗余，符合范式），是面向主题的（引入冗余，反范式设计，一般存储历史数据）。
它不是为捕获数据而设计的，而是为查询和分析数据而设计的。它的两个基本的元素是维度表和事实表.维表是看问题的角度，如时间、部门。维度表中放的就是这些维度的定义。数据表放的是待查询的数据，同时有维的ID。
2）数据中间件
3、Data Fusion：数据融合
3、1 多源数据特点：
冗余性、互补性、合作性
3、2 多源数据融合目标
去除数据冗余和矛盾，通过互补提高数据质量。
4、Information Fusion: 信息融合
5、 数据监控
注入了多少数据？
按数据源统计。
网友评论