什么是数据仓库即服务 (DWaaS)？

数据仓库即服务是一种托管式云服务模式，可让组织获得数据仓库的数据洞见、数据一致性和其他数据优势，而无需构建、维护或管理其基础设施。在 DWaaS 模式下，云服务提供商负责设置、配置、管理和维护数据仓库的硬件和软件资源。

随着数据日益多样化，数据量和速度持续增长，对数据仓库进行现代化改造的需求已经不可避免。多年来，本地数据仓库一直是企业商业智能 (BI) 的重要组成部分，但它们也会产生巨大的软硬件成本，并且需要持续维护。

数据仓库云服务可收集、存储和处理数据，使组织能够满足云数据管理需求并轻松访问关键数据。它们还可以根据实时需求快速进行纵向扩容和缩容，比本地同类服务更具成本效益。同时，DWaaS 解决方案可以最大限度地减少通常与传统数据仓储相关的前期投资和管理开销。客户只需负责提供数据并支付托管式服务的费用。

BigQuery 等企业数据仓库服务正在帮助推动各行各业实现数据驱动型创新，它们提供跨多个云环境的内置机器学习和 BI 功能，可轻松扩容以满足数据需求。

免费开始使用

云 DWaaS 产品的关键组成部分

基于云的数据仓库包含与本地解决方案类似的组成部分。云数据仓库实现包括以下关键组成部分：

数据仓库：DWaaS 产品提供了一种数据仓库架构，您可以根据贵组织的具体业务需求和现有数据源、数据管理策略以及数据质量流程配置该架构。云数据仓库包括分析数据库、集中式数据存储和其他关键的查询、资源和数据管理以及数据访问管理功能。使用 DWaaS 时，无需预配存储资源或预留容量。当您在系统中加载数据时，系统会自动分配存储资源或预留容量。
数据集成工具：由于数据仓库会从企业业务系统中收集数据，因此 DWaaS 必须包含支持 ETL（提取、转换和加载）和 ELT（提取、加载、转换）流程以及其他数据集成形式的组件。
报告和数据分析：DWaaS 解决方案提供支持强大的查询处理的功能，以及用于 BI、高级分析、机器学习、AI 和报告的内置工具。这些工具对于帮助组织通过数据挖掘、统计报告、空间分析等操作从企业数据中收集业务数据洞见至关重要。

使用 DWaaS 系统的好处

以下是组织改用数据仓库即服务后可以获得的一些主要好处：

轻松设置和配置

DWaaS 解决方案简化了实现，使您可以轻松快速上手。您无需部署任何数据存储基础设施，也无需安排专门的团队对其进行配置、管理或维护。

高可伸缩性

借助 DWaaS，您可以按需分配资源。这样您便可通过快速纵向扩容增加更多数据处理和存储容量，也可在不需要这些资源时纵向缩容。

费用更低

采用数据库即服务模式时，服务提供商会执行大部分的管理工作。因此，DWaaS 解决方案不仅降低了前期硬件和软件成本，还大大减少了维护数据仓库基础设施所需的资源。

安全性更高

作为服务提供商，数据仓库负责定期更新硬件和软件，有助于消除因更新延迟而导致的安全漏洞威胁。某些提供商还提供额外的数据安全功能，包括数据加密、多重身份验证等。

更快获取数据洞见

DWaaS 经过优化，可在云基础设施上运行，能够加快查询处理速度并持续改进，从而增强性能。这最终可以加快数据的交付速度，缩短获取有价值的数据洞见所需的时间。

为您量身打造

借助托管式云数据仓库服务，您可以打造能够根据您的数据源、不断变化的业务需求和总体长期目标进行调整和改进的数据环境。

为何 BigQuery 是 DWaaS 提供商的稳妥之选？

BigQuery 是 Google Cloud 的全托管式无服务器多云企业数据仓库解决方案。您不必设置或管理基础设施，就可以快速分析复杂的数据集，将数据转化为富有实用价值的分析洞见，并利用 AI 和机器学习技术助推实时决策流程，从而推动创新。

近年来，随着各公司努力深入了解经营活动，数据仓储已成为一项复杂的任务。除了对不断增多的存储企业数据应用描述性分析之外，组织还采用 AI 和机器学习等技术来提取数据模式并进行预测。

虽然可以在内部构建可伸缩、可用性高且安全的数据仓库，但这可能需要数年时间并投入大量资金才能实现，而大多数组织无法轻易承担。BigQuery 专为无服务器数据仓库运营而设计，消除了基础设施维护和平台开发的负担，因此您可以专注于开发有助于实时指导操作的规范分析。您可以使用 SQL 查询来回答最紧迫的问题，几秒内即可查询 TB 级数据，几分钟内可查询 PB 级数据。它还拥有内置的功能，让您可以更轻松地管理和分析数据 - 从机器学习、地理空间分析到商业智能，不一而足。

数据量每时每刻都在增长，确保您拥有从数据中获取价值所需的存储和处理资源变得空前重要。借助 BigQuery，您可以用可伸缩、灵活且经济高效的方式使用结构化数据存储、强大的处理功能和先进的分析功能（例如机器学习），这些功能支持所有结构化、半结构化和非结构化类型的数据。

BigQuery 将用于分析数据的计算与存储空间分隔开来，让您可以根据需求独立扩缩计算和存储空间。您可以直接在 BigQuery 中分析数据，也可以使用它来分析位于不同位置（包括各种云环境）的数据。BigQuery 支持来自外部数据源的联合查询和流式传输（用于实现持续的数据更新）。