我正在学习Hadoop，并遇到了HIVE。我还了解到，HIVE充当了分析查询的数据仓库。
如果数据仓库是多个数据源的聚合，为什么公司要使用多个数据来源并聚合它们？为什么他们不能直接写入数据仓库，因为这会减少聚合和处理的开销？
是因为如果所有用户都从同一个数据仓库中读取，会产生开销吗？
我想知道，如果我们有高度可扩展的数据仓库，为什么我们需要数据库？
(只有在产生大量数据的大公司的背景下。因为我可以理解，大多数公司甚至可以使用2个数据库进行管理。(
数据仓库(DWH(是不同数据库之上的一个更大的层，而数据库是一个名称空间+存储器，用于存储与某些DWH阶段相对应的一些表/对象/过程。
分析DWH的最终目的是提供可用于不同分析/报告工具的分析数据集市：Tableu、QulickView等
DWH包含不同阶段(数据库(中以不同方式聚合的数据，例如LZ——从不同来源加载的数据存储在着陆区，ODS——作战数据存储，从不同来源的数据组合成事实表和维度，清除、转换，通常使用3NF和从不同来源丰富的一致维度。最后是DM——一个数据集市，其中聚合的数据存储在维度模型中：事实表(可以聚合(和星形/雪花模式中使用的维度。也可以使用一些其他数据库，如用于中间数据处理的STG。
DWH不仅是一个由多个数据库组成的存储，它还是用于加载、提取、转换每个阶段的数据、通用体系结构和策略的ETL过程。
您可以决定DWH将包含哪些层以及应该如何设计：使用自上而下的方法(从源系统开始(或自下而上的方法(由数据集市维度建模开始(，或两者兼而有之。
DWH本身不聚合(处理(任何数据。对于每个步骤和实体，您都会创建一个ETL过程，在不同阶段(数据库(之间加载、提取和转换数据。
一致性维度(在不同的数据集市/事实表中使用的相同维度(被用作DWH中的单个事实点。
例如，如果您有从不同的源系统(如Salesforce、GoogleAnalytics等(增量加载的User表，那么不同的ETL过程将数据加载到LZ中，然后另一个ETL过程将其合并并消除重复到ODS表中，然后又一个过程将其与事务数据一起加载到DM中，并将其加载到每月/每天聚合的事务数据集市中，其是使用User表作为维度的每日或每月聚合星模式。
还有另一个现代概念——data lake，它在3NF和数据集市中额外包含半结构化或非结构化数据以及结构化数据，这允许数据工程师/数据矿工挖掘非结构化数据并进行分析，找到一些相关性，最终构建新的数据集市。