Data Warehouses ปกติมีสถาปัตยกรรม 3 ระดับ (Tiers) ประกอบด้วย:
- ชั้นล่าง (Bottom Tier): เซิร์ฟเวอร์ฐานข้อมูล Warehouse ที่มักเป็นระบบฐานข้อมูลเชิงสัมพันธ์ (Relational Database System) เครื่องมือ Back-end ใช้ส่งบันทึกเข้าชั้นล่างจากฐานข้อมูลปฏิบัติการหรือแหล่งภายนอก (เช่น ข้อมูลโปรไฟล์ผู้ใช้จากที่ปรึกษาภายนอก) เครื่องมือเหล่านี้ดำเนินการ Data Extraction, Cleaning, Transformation (เช่น รวมข้อมูลเดียวกันจากหลายแหล่งเป็นรูปแบบเดียว) และ Load/Refresh เพื่ออัปเดต Data Warehouse ข้อมูลถูกสกัดผ่าน Application Program Interfaces เรียกว่า Gateways Gateway รองรับโดย DBMS ให้โปรแกรมไคลเอนต์สร้าง SQL รันที่เซิร์ฟเวอร์ ตัวอย่าง Gateways: ODBC, OLEDB (Microsoft), JDBC ชั้นนี้ยังรวม Metadata Repository ที่เก็บข้อมูลเกี่ยวกับ Data Warehouse และเนื้อหา
- ชั้นกลาง (Middle Tier): เซิร์ฟเวอร์ OLAP ที่มักดำเนินการโดย:
- แบบ ROLAP (Relational OLAP): DBMS เชิงสัมพันธ์ขยายที่แมปการดำเนินการหลายมิติเป็นการดำเนินการเชิงสัมพันธ์มาตรฐาน
- แบบ MOLAP (Multidimensional OLAP): เซิร์ฟเวอร์เฉพาะจุดประสงค์ที่จัดการข้อมูลและการดำเนินการหลายมิติโดยตรง
- ชั้นบน (Top Tier): ชั้นไคลเอนต์หน้า (Front-end Client Layer) รวมเครื่องมือสอบถามและรายงาน (Query/Reporting Tools), เครื่องมือวิเคราะห์ (Analysis Tools), และ/หรือ เครื่องมือทำเหมืองข้อมูล (Data Mining Tools - เช่น Trend Analysis, Prediction)
โมเดล Data Warehouse 3 แบบ
จากมุมมองสถาปัตยกรรม มี 3 โมเดล Data Warehouse:
1. Enterprise Warehouse (คลังข้อมูลระดับองค์กร)
รวบรวมข้อมูลทั้งหมดเกี่ยวกับหัวข้อทั่วองค์กร รองรับการบูรณาการข้อมูลระดับองค์กร โดยทั่วไปจากระบบปฏิบัติการอย่างน้อย 1 ระบบหรือผู้ให้ข้อมูลภายนอก และข้ามหน้าที่ (Cross-functional) มักมีข้อมูลรายละเอียดและสรุป ขนาดตั้งแต่ไม่กี่ GB ถึงหลาย TB สามารถรันบน Mainframes, Super Servers, หรือ Parallel Architecture ต้องการการสร้างแบบจำลองธุรกิจอย่างกว้างขวาง อาจใช้ปีในการออกแบบและสร้าง
2. Data Mart (มาร์ทข้อมูล)
มีชุดย่อยของข้อมูลระดับองค์กรที่มีค่าต่อกลุ่มผู้ใช้เฉพาะ ขอบเขตจำกัดเฉพาะหัวข้อที่เลือก ตัวอย่าง: Marketing Data Mart จำกัดหัวข้อที่ User, Item, Sales ข้อมูลใน Data Marts มักเป็นข้อมูลสรุป
3. Virtual Warehouse (คลังข้อมูลเสมือน)
เป็นชุดมุมมอง (Views) บนฐานข้อมูลปฏิบัติการ สำหรับการประมวลผลคิวรี่ที่มีประสิทธิภาพ มีเพียงมุมมองสรุปบางส่วนที่ถูก Materialized Virtual Warehouse สร้างง่าย แต่ต้องการความจุเพิ่มบนเซิร์ฟเวอร์ฐานข้อมูลปฏิบัติการ
