1、数据仓库的逻辑结构
��数据仓库的逻辑结构如图13-2-9所示：
图13-2-9：数据仓库的逻辑结构示意图
图13-2-9说明了数据仓库从传统数据库或其他数据源获得原始数据，先按辅助决策的主题要求形成当前基本数据层，再按综合决策的要求形成综合数据层（又分为轻度综合层和高度综合层）。随着时间的推移，由时间控制机制将当前基本数据层转为历史数据层。
��元数据是关于数据的数据（可以理解为数据仓库的数据字典），它是数据仓库的核心。用于存储数据模型和定义数据结构、转换规则、仓库结构、控制信息等。在数据仓库的逻辑结构中起着十分重要的作用，可以说如果没有元数据，就没有数据仓库的一切！
图13-2-10：数据仓库的元数据
如图13-2-10所示，元数据在数据仓库中贯穿着一切。

2、数据仓库的物理结构
��由于有OLAP的要求，数据仓库中数据的物理存储形式应该是基于多维数据模型(所以在逻辑上数据仓库就是一个多维数组)，在实现中一般有两种途径：
��⑴�基于多维数据库的空间超立方体，又称数据立方体（DATA CUBE）；
��⑵�基于关系数据库的星型模式（由关系型的事实表和维表组成）；
图13-2-11：数据仓库的物理结构之一示意图
利用目前成熟的关系数据库系统，同样也可以建立数据仓库。这样做成本低，实现快，但数据仓库的效率远不如多维数据库形式。在这种情况下，主要是利用星型模式（STAR SCHEME）来组织数据。
图13-2-12：数据仓库的物理结构之二示意图
��Gray等人在1995年提出了数据立方体的概念，并给出了数据立方体操作符的形式化定义。Harinarayan等人在1996年阐述了数据立方体操作符的高效拖延实现技术，它只是在需要时才生成所需要的聚集。

3、数据仓库系统的体系结构
��数据仓库系统由数据仓库、仓库管理和分析工具三部分组成，其体系结构如图13-2-13所示：
图13-2-13：数据仓库系统的体系结构
��⑴�源数据：数据仓库的数据来源于多个数据源，包括企业内部数据、市场调查报告、政府统计部门提供的统计数据及各种文档之类的外部数据。
��⑵�仓库管理：在确定数据仓库的信息需求后，首先进行数据建模，然后确定从源数据到数据仓库的数据抽取、清洗和转化过程，最后划分维数及确定数据仓库的物理存储结构。
��⑶�数据仓库：包括对数据的安全、归档、备份、维护、恢复等工作的支持，这些工作需要利用数据库管理系统DBMS的功能。
��⑷�分析工具：用于完成实际决策问题所需的各种查询检索工具、多维数据的OLAP分析工具、数据挖掘DM工具等，以实现决策支持系统DSS的各种要求。