用于存放这两种数据的存储空间称为数据仓库存储。数据仓库存储是专门用于存放数据仓库数据和元数据的存储空间。它不同于传统的关系型数据库存储，因为数据仓库存储需要能够容纳大量数据，并且能够高效地查询和分析这些数据。数据仓库存储通常采用分布式存储技术，将数据分散到多个节点上，以提高存储和查询效率。
数据仓库存储。数据仓库存储是专门用于存放数据仓库数据和元数据的存储空间。数据仓库是一个结构化的数据存储系统，主要用于支持决策支持系统和联机分析应用。数据仓库存储的主要目标是提供一个集中化的数据存储解决方案，以便于分析和查询大量的企业数据。
数据字典，又称为元数据仓库，是一个存储有关数据资源（如数据集、数据库、数据表、列、数据流等）的详细信息的集成存储库。在数据字典中，数据流作为一个条目，通常包含关于数据流的名称、来源、去向、组成、数据类型、数据量等属性的描述。这些信息有助于用户、开发者或数据管理员理解和使用数据流。
元数据（Metadata），又称中介数据、中继数据，为描述数据的数据（data about data），主要是描述数据属性（property）的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。元数据库是按照数据结构来组织、存储和管理数据的数据的仓库。元数据库基本结构与数据库差不多。
数据仓库数据库往往很大，因为公司所有的数据集中得越多，越能淘到有价值的发现。例如随便就 100G 以上。 数据仓库的组成十分繁杂，既有业务系统的历史数据，又有人事、财务数据，还要自己建一些基础性的数据，例如，公共假期数据、地理信息、国家信息等等。
数据仓库，也称为企业数据仓库，是一种数据存储系统，它将来自不同来源的结构化数据聚合起来，用于业务智能领域的比较和分析，数据仓库是包含多种数据的存储库，并且是高度建模的。
数据仓库的组成主要包括数据源、ETL过程、数据仓库数据库以及数据仓库管理工具。 数据源：数据仓库的数据来自多个数据源，这些数据源可能是关系型数据库、非关系型数据库、API、平面文件等。这些数据可能是结构化的，也可能是半结构化的或非结构化的。
数据仓库架构主要由数据源、ETL过程、数据仓库和数据应用四个核心部分组成。首先，数据源是数据仓库架构的起始点。这些数据可以来自企业的各种业务系统和外部数据源，如CRM系统、ERP系统、市场数据提供商等。例如，一个电商公司的数据源可能包括用户购买记录、库存信息、用户行为日志等。
数据仓库的组成涉及到多个组件，共同作用以实现高效的数据管理和分析。数据抽取工具是关键部分，它从各种存储方式中收集数据，进行必要转化和整理，然后存放到数据仓库中。这些工具必须具备强大的访问能力，能够生成COBOL程序、MVS作业控制语言（JCL）、UNIX脚本、SQL语句等，以便访问不同类型的数据。
数据库系统一般由数据库、硬件、软件、人员4个部分组成：数据库是指长期存储在计算机内的，有组织，可共享的数据的集合。数据库中的数据按一定的数学模型组织、描述和存储，具有较小的冗余，较高的数据独立性和易扩展性，并可为各种用户共享。
数据仓库的基本元素 数据仓库的基本元素主要包括以下四个表：事实表、维度表、数据源表和映射表。（1）事实表 事实表是由一组度量和一个或多个外键组成的表。度量是指要分析和计算的数据指标，而外键则用于链接事实表和维度表。
进入更深层次的CDM层，即公共维度模型层，它由DWD（数据明细层）和DWS（数据汇总层）组成。DWD是数据的精细化处理，对原始数据进行清洗、标准化，形成一致的维度和事实模型。而DWS则通过汇总和聚合，生成宽表，优化数据分析性能，满足不同分析需求。最后的ADS层，即应用数据层，是数据仓库的最终目的地。
1、BI领域注重统计分析，传统的数据库注重在线事务。统计分析的数据量一般都比较大，注重的是查询，一次查询大批量的数据，但是传统的数据库一般都是为了支持在线事务的，所以插入更新较多，查询往往只根据条件查询。立体仓库跟普通仓库的区别：立体仓库一般都较高。
2、部署效率低：在部署Hive/HBase/Kylin之前，必须部署好Hadoop集群。和传统数据库相比，这个部署效率是非常低效的。运维效率低：Hive/HBase/Kylin基于Hadoop，Hadoop生态会带来一个非常严重的单点故障问题，即Hadoop体系中任何一个组件出现问题，都可能引起整个系统的不可用。使用传统的数仓对运维的要求非常高。
3、其次从智能商业的角度来讲，数据的结果代表了用户的反馈，获取结果的及时性就显得尤为重要，快速的获取数据反馈能够帮助公司更快的做出决策，更好的进行产品迭代，实时数仓在这一过程中起到了不可替代的作用。
4、传统数据仓库一般基于T+1数据集成构建离线数仓，以支撑企业各项分析与服务。传统方案不但会影响线上业务稳定性，且难以支持企业的实时需求。 因此，在李飞飞看来，云原生数据库已经走到0阶段。这个阶段要解决的问题，就是上述存在的痛点。
5、云数据仓库 云数据仓库为企业级云应用提供核心价值与解决方案。MaxCompute作为SaaS模式下的企业级云数据仓库，其应用场景广泛，包括但不限于广告场景中的用户标签计算与分析、业务运营场景的业务指标计算与查询、各行业数据仓库搭建以及云上弹性扩展大数据计算与存储。