一、數(shù)據(jù)倉庫和大數(shù)據(jù)平臺

隨著信息時代的不斷發(fā)展，數(shù)據(jù)在企業(yè)中的重要性日益凸顯。數(shù)據(jù)倉庫和大數(shù)據(jù)平臺作為企業(yè)數(shù)據(jù)管理中的關鍵組成部分，發(fā)揮著至關重要的作用。本文將深入探討數(shù)據(jù)倉庫和大數(shù)據(jù)平臺的定義、功能以及在企業(yè)中的應用。

數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是指將企業(yè)各個業(yè)務系統(tǒng)中的數(shù)據(jù)進行抽取、轉(zhuǎn)換和加載（ETL），經(jīng)過清洗、整合和存儲后形成的統(tǒng)一且易于查詢分析的數(shù)據(jù)存儲庫。數(shù)據(jù)倉庫通常采用星型模式或雪花模式來組織數(shù)據(jù)，以支持復雜的分析查詢。

數(shù)據(jù)倉庫的主要功能包括：

• 數(shù)據(jù)集成：將分散在不同系統(tǒng)中的數(shù)據(jù)集成到一個統(tǒng)一的數(shù)據(jù)存儲中，確保數(shù)據(jù)的一致性和完整性。
• 數(shù)據(jù)清洗：清理數(shù)據(jù)中的錯誤、冗余和不完整信息，提高數(shù)據(jù)質(zhì)量。
• 數(shù)據(jù)存儲：將經(jīng)過清洗和整合的數(shù)據(jù)存儲在數(shù)據(jù)倉庫中，支持多維分析。
• 數(shù)據(jù)查詢：提供靈活且高效的查詢接口，支持各種復雜的數(shù)據(jù)分析查詢。

大數(shù)據(jù)平臺

大數(shù)據(jù)平臺是指用于存儲和處理海量、多樣化數(shù)據(jù)的技術(shù)解決方案。大數(shù)據(jù)平臺通常基于分布式計算和存儲架構(gòu)，能夠處理傳統(tǒng)數(shù)據(jù)庫管理系統(tǒng)無法處理的數(shù)據(jù)規(guī)模和復雜性。

大數(shù)據(jù)平臺的特點包括：

• 橫向擴展：通過在集群中增加節(jié)點，實現(xiàn)系統(tǒng)的線性擴展，支持海量數(shù)據(jù)存儲和處理。
• 并行計算：采用并行計算模型，提高數(shù)據(jù)處理速度和計算效率。
• 容錯性：具備良好的容錯性能，保證系統(tǒng)在節(jié)點故障時仍能正常運行。

數(shù)據(jù)倉庫與大數(shù)據(jù)平臺的關系

數(shù)據(jù)倉庫和大數(shù)據(jù)平臺在企業(yè)中往往扮演著不同但互補的角色。數(shù)據(jù)倉庫主要用于存儲結(jié)構(gòu)化數(shù)據(jù)，支持復雜的多維分析，適用于較為規(guī)范化和穩(wěn)定的數(shù)據(jù)模型；而大數(shù)據(jù)平臺則更適合處理半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以及需要快速實時處理的數(shù)據(jù)，具有更強的數(shù)據(jù)處理和分析能力。

在實際應用中，企業(yè)往往會綜合使用數(shù)據(jù)倉庫和大數(shù)據(jù)平臺，通過數(shù)據(jù)集成和流式處理等手段將兩者整合在一起，實現(xiàn)全面的數(shù)據(jù)管理和分析。數(shù)據(jù)倉庫和大數(shù)據(jù)平臺的結(jié)合能夠為企業(yè)提供更全面、更深入的數(shù)據(jù)洞察，幫助企業(yè)進行決策和業(yè)務優(yōu)化。

數(shù)據(jù)倉庫和大數(shù)據(jù)平臺在企業(yè)中的應用

數(shù)據(jù)倉庫和大數(shù)據(jù)平臺在企業(yè)中發(fā)揮著重要作用，對提升企業(yè)數(shù)據(jù)分析能力、優(yōu)化業(yè)務流程、支持決策制定等方面都具有重要意義。

數(shù)據(jù)倉庫主要應用于：

• 業(yè)務報表和分析：通過數(shù)據(jù)倉庫存儲和分析企業(yè)數(shù)據(jù)，生成各類報表和分析結(jié)果，幫助管理層了解業(yè)務狀況。
• 業(yè)務決策支持：數(shù)據(jù)倉庫提供全面的數(shù)據(jù)支持，幫助企業(yè)管理層進行決策分析，優(yōu)化業(yè)務流程。
• 數(shù)據(jù)挖掘和預測：利用數(shù)據(jù)倉庫中的數(shù)據(jù)進行數(shù)據(jù)挖掘和預測分析，發(fā)現(xiàn)潛在的商業(yè)機會。

大數(shù)據(jù)平臺主要應用于：

• 實時數(shù)據(jù)處理：大數(shù)據(jù)平臺能夠?qū)崟r處理海量數(shù)據(jù)，支持實時監(jiān)控和決策。
• 日志分析和行為分析：通過大數(shù)據(jù)平臺分析用戶行為和系統(tǒng)日志，優(yōu)化產(chǎn)品和服務。
• 人工智能和機器學習：大數(shù)據(jù)平臺作為人工智能和機器學習的基礎，支持智能推薦等功能。

綜上所述，數(shù)據(jù)倉庫和大數(shù)據(jù)平臺在企業(yè)中各有其獨特的優(yōu)勢和應用場景，合理地結(jié)合兩者可以為企業(yè)提供更全面、更深入的數(shù)據(jù)支持，助力企業(yè)提升競爭力和創(chuàng)新能力。

二、數(shù)據(jù)集體與數(shù)據(jù)倉庫的區(qū)別？

數(shù)據(jù)集體和數(shù)據(jù)倉庫是有區(qū)別的，數(shù)據(jù)集體是指對于數(shù)據(jù)的內(nèi)容方面，它的界定，而數(shù)據(jù)倉庫是對于數(shù)據(jù)存儲方面，它的界定。

三、數(shù)據(jù)倉庫與hdfs的關系？

Hive 是一個基于 Hadoop 文件系統(tǒng)之上的數(shù)據(jù)倉庫架構(gòu)，存儲用hdfs，計算用mapreduce

四、數(shù)據(jù)倉庫與數(shù)據(jù)模型的區(qū)別？

數(shù)據(jù)模型是負責讀取數(shù)據(jù)，數(shù)據(jù)倉庫負責存儲數(shù)據(jù)，功能不同

五、數(shù)據(jù)集市與數(shù)據(jù)倉庫有什么區(qū)別？

都是數(shù)據(jù)庫里面的概念，本質(zhì)上并沒有什么不同。 從字義上看， “倉庫”可以想像成一所大房子，高高的貨架，合理的出入路線，是一種集中存儲貨物的地方，一般顧客是不來參觀訪問的； 而說到“集市”，就容易聯(lián)想到空曠的場地，川流不息，大小商戶擺出攤子，賣衣物的、賣燒餅及賣藝的，是讓顧客來消費的地方。

具體來說，數(shù)據(jù)倉庫僅僅是提供存儲的，提供一種面向數(shù)據(jù)管理的服務，不面向最終分析用戶；而數(shù)據(jù)集市是面向分析應用的，面向最終用戶。

六、數(shù)據(jù)集市和數(shù)據(jù)倉庫的區(qū)別與聯(lián)系？

數(shù)據(jù)集市概念在實際工業(yè)屆使用的比較少，一般用數(shù)據(jù)倉庫，有時候會把他們等同。我一般是把數(shù)據(jù)集市看做是數(shù)據(jù)倉庫的上層，比如圍繞一些主題的數(shù)據(jù)，當做數(shù)據(jù)集市。

七、數(shù)據(jù)倉庫十大主題模型？

數(shù)據(jù)倉庫十大的主題模型如下

高層模型：考慮所有上層主題，主題之間的關系

中層模型：細化 上層主題 數(shù)據(jù)項

物理模型：基于性能，存儲，平臺特點，數(shù)據(jù)合并，分區(qū)設計

維度建模（Ralph Kimball 拉爾夫·金博爾）提出 （當前最主流的模型）

星型：所有維表直接連接到事實表

雪花型： 當有一個或多個維表沒有直接連接到事實表上，而是通過其他維表連接到事實表上

八、數(shù)據(jù)倉庫的含義,數(shù)據(jù)倉庫和數(shù)據(jù)庫的區(qū)別？

一直想整理一下這塊內(nèi)容，既然是漫談，就想起什么說什么吧。我一直是在互聯(lián)網(wǎng)行業(yè)，就以互聯(lián)網(wǎng)行業(yè)來說。先大概列一下互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)倉庫、數(shù)據(jù)平臺的用途：

整合公司所有業(yè)務數(shù)據(jù)，建立統(tǒng)一的數(shù)據(jù)中心；

提供各種報表，有給高層的，有給各個業(yè)務的；

為網(wǎng)站運營提供運營上的數(shù)據(jù)支持，就是通過數(shù)據(jù)，讓運營及時了解網(wǎng)站和產(chǎn)品的運營效果；

為各個業(yè)務提供線上或線下的數(shù)據(jù)支持，成為公司統(tǒng)一的數(shù)據(jù)交換與提供平臺；

分析用戶行為數(shù)據(jù)，通過數(shù)據(jù)挖掘來降低投入成本，提高投入效果；比如廣告定向精準投放、用戶個性化推薦等；

開發(fā)數(shù)據(jù)產(chǎn)品，直接或間接為公司盈利；

建設開放數(shù)據(jù)平臺，開放公司數(shù)據(jù)；

。。。。。。

上面列出的內(nèi)容看上去和傳統(tǒng)行業(yè)數(shù)據(jù)倉庫用途差不多，并且都要求數(shù)據(jù)倉庫/數(shù)據(jù)平臺有很好的穩(wěn)定性、可靠性；但在互聯(lián)網(wǎng)行業(yè)，除了數(shù)據(jù)量大之外，越來越多的業(yè)務要求時效性，甚至很多是要求實時的 ，另外，互聯(lián)網(wǎng)行業(yè)的業(yè)務變化非常快，不可能像傳統(tǒng)行業(yè)一樣，可以使用自頂向下的方法建立數(shù)據(jù)倉庫，一勞永逸，它要求新的業(yè)務很快能融入數(shù)據(jù)倉庫中來，老的下線的業(yè)務，能很方便的從現(xiàn)有的數(shù)據(jù)倉庫中下線；

其實，互聯(lián)網(wǎng)行業(yè)的數(shù)據(jù)倉庫就是所謂的敏捷數(shù)據(jù)倉庫，不但要求能快速的響應數(shù)據(jù)，也要求能快速的響應業(yè)務；

建設敏捷數(shù)據(jù)倉庫，除了對架構(gòu)技術(shù)上的要求之外，還有一個很重要的方面，就是數(shù)據(jù)建模，如果一上來就想著建立一套能兼容所有數(shù)據(jù)和業(yè)務的數(shù)據(jù)模型，那就又回到傳統(tǒng)數(shù)據(jù)倉庫的建設上了，很難滿足對業(yè)務變化的快速響應。應對這種情況，一般是先將核心的持久化的業(yè)務進行深度建模（比如：基于網(wǎng)站日志建立的網(wǎng)站統(tǒng)計分析模型和用戶瀏覽軌跡模型；基于公司核心用戶數(shù)據(jù)建立的用戶模型），其它的業(yè)務一般都采用維度+寬表的方式來建立數(shù)據(jù)模型。這塊是后話。

整體架構(gòu)下面的圖是我們目前使用的數(shù)據(jù)平臺架構(gòu)圖，其實大多公司應該都差不多：

邏輯上，一般都有數(shù)據(jù)采集層、數(shù)據(jù)存儲與分析層、數(shù)據(jù)共享層、數(shù)據(jù)應用層。可能叫法有所不同，本質(zhì)上的角色都大同小異。

我們從下往上看：

數(shù)據(jù)采集數(shù)據(jù)采集層的任務就是把數(shù)據(jù)從各種數(shù)據(jù)源中采集和存儲到數(shù)據(jù)存儲上，期間有可能會做一些簡單的清洗。

數(shù)據(jù)源的種類比較多：

網(wǎng)站日志：

作為互聯(lián)網(wǎng)行業(yè)，網(wǎng)站日志占的份額最大，網(wǎng)站日志存儲在多臺網(wǎng)站日志服務器上，

一般是在每臺網(wǎng)站日志服務器上部署flume agent，實時的收集網(wǎng)站日志并存儲到HDFS上；

業(yè)務數(shù)據(jù)庫：

業(yè)務數(shù)據(jù)庫的種類也是多種多樣，有Mysql、Oracle、SqlServer等，這時候，我們迫切的需要一種能從各種數(shù)據(jù)庫中將數(shù)據(jù)同步到HDFS上的工具，Sqoop是一種，但是Sqoop太過繁重，而且不管數(shù)據(jù)量大小，都需要啟動MapReduce來執(zhí)行，而且需要Hadoop集群的每臺機器都能訪問業(yè)務數(shù)據(jù)庫；應對此場景，淘寶開源的DataX，是一個很好的解決方案（可參考文章 《異構(gòu)數(shù)據(jù)源海量數(shù)據(jù)交換工具-Taobao DataX 下載和使用》），有資源的話，可以基于DataX之上做二次開發(fā)，就能非常好的解決，我們目前使用的DataHub也是。

當然，F(xiàn)lume通過配置與開發(fā)，也可以實時的從數(shù)據(jù)庫中同步數(shù)據(jù)到HDFS

來自于Ftp/Http的數(shù)據(jù)源：

有可能一些合作伙伴提供的數(shù)據(jù)，需要通過Ftp/Http等定時獲取，DataX也可以滿足該需求;

其他數(shù)據(jù)源：

比如一些手工錄入的數(shù)據(jù)，只需要提供一個接口或小程序，即可完成

數(shù)據(jù)存儲與分析毋庸置疑，HDFS是大數(shù)據(jù)環(huán)境下數(shù)據(jù)倉庫/數(shù)據(jù)平臺最完美的數(shù)據(jù)存儲解決方案。

離線數(shù)據(jù)分析與計算，也就是對實時性要求不高的部分，在我看來，Hive還是首當其沖的選擇，豐富的數(shù)據(jù)類型、內(nèi)置函數(shù)；壓縮比非常高的ORC文件存儲格式；非常方便的SQL支持，使得Hive在基于結(jié)構(gòu)化數(shù)據(jù)上的統(tǒng)計分析遠遠比MapReduce要高效的多，一句SQL可以完成的需求，開發(fā)MR可能需要上百行代碼；

當然，使用Hadoop框架自然而然也提供了MapReduce接口，如果真的很樂意開發(fā)Java，或者對SQL不熟，那么也可以使用MapReduce來做分析與計算；Spark是這兩年非常火的，經(jīng)過實踐，它的性能的確比MapReduce要好很多，而且和Hive、Yarn結(jié)合的越來越好，因此，必須支持使用Spark和SparkSQL來做分析和計算。因為已經(jīng)有Hadoop Yarn，使用Spark其實是非常容易的，不用單獨部署Spark集群，關于Spark On Yarn的相關文章，可參考：《Spark On Yarn系列文章》

實時計算部分，后面單獨說。

數(shù)據(jù)共享這里的數(shù)據(jù)共享，其實指的是前面數(shù)據(jù)分析與計算后的結(jié)果存放的地方，其實就是關系型數(shù)據(jù)庫和NOSQL數(shù)據(jù)庫；

前面使用Hive、MR、Spark、SparkSQL分析和計算的結(jié)果，還是在HDFS上，但大多業(yè)務和應用不可能直接從HDFS上獲取數(shù)據(jù)，那么就需要一個數(shù)據(jù)共享的地方，使得各業(yè)務和產(chǎn)品能方便的獲取數(shù)據(jù)； 和數(shù)據(jù)采集層到HDFS剛好相反，這里需要一個從HDFS將數(shù)據(jù)同步至其他目標數(shù)據(jù)源的工具，同樣，DataX也可以滿足。

另外，一些實時計算的結(jié)果數(shù)據(jù)可能由實時計算模塊直接寫入數(shù)據(jù)共享。

數(shù)據(jù)應用

業(yè)務產(chǎn)品

業(yè)務產(chǎn)品所使用的數(shù)據(jù)，已經(jīng)存在于數(shù)據(jù)共享層，他們直接從數(shù)據(jù)共享層訪問即可；

報表

同業(yè)務產(chǎn)品，報表所使用的數(shù)據(jù)，一般也是已經(jīng)統(tǒng)計匯總好的，存放于數(shù)據(jù)共享層；

即席查詢

即席查詢的用戶有很多，有可能是數(shù)據(jù)開發(fā)人員、網(wǎng)站和產(chǎn)品運營人員、數(shù)據(jù)分析人員、甚至是部門老大，他們都有即席查詢數(shù)據(jù)的需求；

這種即席查詢通常是現(xiàn)有的報表和數(shù)據(jù)共享層的數(shù)據(jù)并不能滿足他們的需求，需要從數(shù)據(jù)存儲層直接查詢。

即席查詢一般是通過SQL完成，最大的難度在于響應速度上，使用Hive有點慢，目前我的解決方案是SparkSQL，它的響應速度較Hive快很多，而且能很好的與Hive兼容。

當然，你也可以使用Impala，如果不在乎平臺中再多一個框架的話。

OLAP

目前，很多的OLAP工具不能很好的支持從HDFS上直接獲取數(shù)據(jù)，都是通過將需要的數(shù)據(jù)同步到關系型數(shù)據(jù)庫中做OLAP，但如果數(shù)據(jù)量巨大的話，關系型數(shù)據(jù)庫顯然不行；

這時候，需要做相應的開發(fā)，從HDFS或者HBase中獲取數(shù)據(jù)，完成OLAP的功能；

比如：根據(jù)用戶在界面上選擇的不定的維度和指標，通過開發(fā)接口，從HBase中獲取數(shù)據(jù)來展示。

其它數(shù)據(jù)接口

這種接口有通用的，有定制的。比如：一個從Redis中獲取用戶屬性的接口是通用的，所有的業(yè)務都可以調(diào)用這個接口來獲取用戶屬性。

實時計算現(xiàn)在業(yè)務對數(shù)據(jù)倉庫實時性的需求越來越多，比如：實時的了解網(wǎng)站的整體流量；實時的獲取一個廣告的曝光和點擊；在海量數(shù)據(jù)下，依靠傳統(tǒng)數(shù)據(jù)庫和傳統(tǒng)實現(xiàn)方法基本完成不了，需要的是一種分布式的、高吞吐量的、延時低的、高可靠的實時計算框架；Storm在這塊是比較成熟了，但我選擇Spark Streaming，原因很簡單，不想多引入一個框架到平臺中，另外，Spark Streaming比Storm延時性高那么一點點，那對于我們的需要可以忽略。

我們目前使用Spark Streaming實現(xiàn)了實時的網(wǎng)站流量統(tǒng)計、實時的廣告效果統(tǒng)計兩塊功能。

做法也很簡單，由Flume在前端日志服務器上收集網(wǎng)站日志和廣告日志，實時的發(fā)送給Spark Streaming，由Spark Streaming完成統(tǒng)計，將數(shù)據(jù)存儲至Redis，業(yè)務通過訪問Redis實時獲取。

任務調(diào)度與監(jiān)控在數(shù)據(jù)倉庫/數(shù)據(jù)平臺中，有各種各樣非常多的程序和任務，比如：數(shù)據(jù)采集任務、數(shù)據(jù)同步任務、數(shù)據(jù)分析任務等；

這些任務除了定時調(diào)度，還存在非常復雜的任務依賴關系，比如：數(shù)據(jù)分析任務必須等相應的數(shù)據(jù)采集任務完成后才能開始；數(shù)據(jù)同步任務需要等數(shù)據(jù)分析任務完成后才能開始； 這就需要一個非常完善的任務調(diào)度與監(jiān)控系統(tǒng)，它作為數(shù)據(jù)倉庫/數(shù)據(jù)平臺的中樞，負責調(diào)度和監(jiān)控所有任務的分配與運行。

前面有寫過文章，《大數(shù)據(jù)平臺中的任務調(diào)度與監(jiān)控》,這里不再累贅。

總結(jié)在我看來架構(gòu)并不是技術(shù)越多越新越好，而是在可以滿足需求的情況下，越簡單越穩(wěn)定越好。目前在我們的數(shù)據(jù)平臺中，開發(fā)更多的是關注業(yè)務，而不是技術(shù)，他們把業(yè)務和需求搞清楚了，基本上只需要做簡單的SQL開發(fā)，然后配置到調(diào)度系統(tǒng)就可以了，如果任務異常，會收到告警。這樣，可以使更多的資源專注于業(yè)務之上。

九、數(shù)據(jù)倉庫與大數(shù)據(jù)關系

數(shù)據(jù)倉庫與大數(shù)據(jù)之間的關系一直備受關注，在當今數(shù)字化時代，這兩個概念在企業(yè)中扮演著至關重要的角色。數(shù)據(jù)倉庫是指用于存儲和管理企業(yè)歷史數(shù)據(jù)的集成系統(tǒng)，而大數(shù)據(jù)則是指處理規(guī)模龐大、種類繁多的數(shù)據(jù)集。雖然兩者有著不同的特點和應用場景，但它們之間存在著密切的關聯(lián)。

數(shù)據(jù)倉庫的定義與特點

數(shù)據(jù)倉庫是一個面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持企業(yè)的決策制定過程。在數(shù)據(jù)倉庫中，數(shù)據(jù)被清洗、轉(zhuǎn)換、集成，并存儲在統(tǒng)一的數(shù)據(jù)模型中，以便進行查詢和分析。數(shù)據(jù)倉庫通常采用星型或雪花型模型，便于數(shù)據(jù)的查詢和報表生成。

大數(shù)據(jù)的定義與特點

大數(shù)據(jù)是指數(shù)據(jù)量大到無法通過傳統(tǒng)數(shù)據(jù)庫工具有效管理和處理的數(shù)據(jù)集合，它包含結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)具有“3V”特點，即數(shù)據(jù)量大（Volume）、數(shù)據(jù)速度快（Velocity）、數(shù)據(jù)種類多（Variety），這為企業(yè)帶來了挑戰(zhàn)，也帶來了機遇。

數(shù)據(jù)倉庫與大數(shù)據(jù)的關系

數(shù)據(jù)倉庫與大數(shù)據(jù)之間的關系可以從多個角度進行解讀。首先，數(shù)據(jù)倉庫可以為大數(shù)據(jù)提供支持。在大數(shù)據(jù)分析過程中，數(shù)據(jù)倉庫可以作為存儲和管理歷史數(shù)據(jù)的基礎設施，為大數(shù)據(jù)分析提供數(shù)據(jù)源。其次，大數(shù)據(jù)技術(shù)可以為數(shù)據(jù)倉庫注入新的活力。例如，大數(shù)據(jù)技術(shù)可以幫助數(shù)據(jù)倉庫實現(xiàn)實時數(shù)據(jù)處理和分析，提升數(shù)據(jù)倉庫的處理能力和靈活性。

數(shù)據(jù)倉庫與大數(shù)據(jù)的應用場景

數(shù)據(jù)倉庫和大數(shù)據(jù)在企業(yè)中有著各自獨特的應用場景。數(shù)據(jù)倉庫主要用于支持企業(yè)的決策制定過程，通過對歷史數(shù)據(jù)進行分析，幫助企業(yè)了解過去業(yè)務狀況，預測未來發(fā)展趨勢。大數(shù)據(jù)則更多地應用于數(shù)據(jù)驅(qū)動的業(yè)務創(chuàng)新和智能決策支持領域，通過對海量數(shù)據(jù)的分析挖掘，發(fā)現(xiàn)商業(yè)價值和機會。

結(jié)語

綜上所述，數(shù)據(jù)倉庫與大數(shù)據(jù)在企業(yè)中各有其重要性和應用場景，二者之間相輔相成、相互促進。隨著企業(yè)數(shù)據(jù)規(guī)模的不斷增長和數(shù)據(jù)價值的不斷凸顯，數(shù)據(jù)倉庫與大數(shù)據(jù)關系的研究和應用將變得愈發(fā)重要。只有深入理解并合理運用數(shù)據(jù)倉庫與大數(shù)據(jù)技術(shù)，企業(yè)才能在激烈的市場競爭中立于不敗之地。

十、數(shù)據(jù)倉庫包括操作？

高層整理倉庫數(shù)據(jù)，數(shù)字筆記，人員運行，另外還包括機器操作等數(shù)據(jù)，也就是查看的意思。