在之前的项目中遇到了客户使用SQL数据仓库的场景，在这里记录一下
1.什么是SQL 数据库仓库 (SQL DW)
SQL DW是云端的企业级数据仓库，用来处理TB，甚至PB级别的关系型数据库的OLAP(联机分析处理)场景，主要用来做数据分析和查询
2.什么是OLAP
OLAP (Online Analysis Processing)联机分析处理。表示从多维数据集的多维结构来对数据进行聚合处理
3.OLAP和OLTP的区别
OLTP (Online Transaction Processing)，联机事务处理。表示事务性非常高的系统，高频度的插入、读取、删除操作
OLAP和OLTP的使用场景不一样
4.SQL Data Warehouse不适合的场景
SQL DW不适合OLTP的场景，不适合数据库的高频Insert/update/delete
(1)OLTP工作负载
(2)大量的小读写
(3)多租户数据库
(4)经常更改架构
(5)逐行处理
(6)JSON，XML数据和Spatial，Struct，Array和Map数据类型
(7)Power BI直接查询需要仪表板性能
(8)查询的高并发性（例如，数十万个并发查询）
(9)小数据集（小于250GB）
(10)通过严格的RPO和RTO进行灾难恢复
5.SQL DW适合的场景
SQL适合OLAP(联机分析处理)的场景，比如报告，统计，分析等场景
6.SQL DW的设计模式
(1)批量导入数据
(2)将Table数据拆分为事实表和维度表
(3)涉及多张表链接的复杂查询
(4)针对某些维度的聚合查询
7.什么叫做事实表和维度表
(1)事实表，就是用来存储真实数据的表，包含数字信息。比如订单数据表，销售数据表等。事实表中的数据量一般很大
(2)维度表，就是用来描述用户分析数据的角度。一般是事实表的外键表，比如年-月-日，大洲-国家-省份。
一般来说，事实表就是要关注的内容，维度表就是进行统计的角度。
8.SQL DW的使用场景
(1)在过去1个月内，有多少客户订购了该产品，统计库存水平是否足够
(2)一周内，哪一天客户从ATM取款最多
(3)统计过去30天内，每天的销售额有多少
9.Azure SQL DW采用了大规模并行处理(MPP)架构。
作为微软云Azure的一种服务，Azure SQL DW由微软维护底层的硬件和软件，以保证SQL DW始终运行在Azure最新的硬件和软件上
客户可以轻松的把数据加载到SQL DW并进行查询，在业务高峰时，可以横向扩展计算节点
10.什么是大规模并行处理MPP架构
MPP架构的角色分为头节点(Head Node)和工作节点(Work Node)。
Head Node保存了数据表的源数据(Meta data)，也就是说Head Node知道数据库的哪些数据，保存在哪些Work Node里
用户的数据表分布在不同的Work Node里。
当用户对SQL DW进行查询的时候，Head Node会把查询语句分解为很多子查询，根据需要进行数据移动，并且把这些子查询发送给Work Node以进行并行执行
举个例子，假设1个班级有60个学生，当老师需要批改作业的时候，有两种方法：
(1)老师一个人批改所有60个学生的试卷，速度会很慢
(2)老师把学生分为6组，每组10个人。然后把全班的试卷平均的分配给这6组。由每个组各自批改试卷。这样批改作业就平行了
显而易见，第二种方法的效率最高
MPP架构，除了微软的SQL DW以外，还有Hadoop (Hive和Spark), Teradata, Amazon Redshift, Vertica等产品
11.SMP架构
与MPP相反架构，是SMP (Symmetric Multiprocessing)，这就类似于传统的单一数据库。所有的业务逻辑都有1台服务器在处理
比如传统的SQL Server, MySQL等，都属于SMP架构
12.MPP架构和SMP架构，如何支撑更多的业务需求
(1)在MPP架构里，计算节点是横向扩展的。比如从6个节点并行处理，横向扩展为20个节点并行处理。这种方式又被称为Scale-Out
(2)在SMP架构里，计算节点和向上向下扩展的。比如从1台8Core/16GB的服务器，向上扩展为1台32Core/512GB的服务器。这种方式又被称为Scale-Up
