数据仓库的三层结构中的组件包括：

数据仓库的三层数据结构由以下部分组成：企业数据模型层; 数据层（运营数据、核对数据、导出数据）; 元数据层（操作元数据、协调数据层元数据、数据集市元数据）。

数据仓库系统的组件包括：

数据库系统由四个部分组成：1.数据库，是指收集计算机中长期存储的有组织、可共享的数据; 2、硬件是指构成计算机系统的各种物理设备，包括存储所需的外部设备; 3. 软件，包括操作系统、数据库管理系统和应用程序; 4. 人员，包括系统分析师、数据库设计人员、应用程序人员、最终用户和数据宏库管理员。

答案]：b、d、e

数据库是根据数据余额组织、存储和管理数据的存储库。

数据仓库不是数据结构。

数据仓库，可以缩写为DW或DWH。 数据仓库是一种战略集合，它支持所有类型的数据，用于企业各个级别的决策。 它是一个单一的数据存储，用于分析报告和决策支持目的。

为需要商业智能的企业提供业务流程改进、监控时间、成本、质量和控制的指导。

数据结构是计算机存储和组织数据的方式。 数据结构是彼此之间具有一个或多个特定关系的数据元素的集合。 通常，精心选择的数据结构可以提高操作或存储效率。

数据结构通常与高效的检索算法和索引技术相关联。

数据仓库和数据结构之间的区别

主要区别在于数据结构，数据库中的建模一般遵循三范式，而数据仓库的建模有特定的方式，一般采用维度建模，之所以使用这些建模方法，是为了方便OLAP的建立，增加统计查询率等。 数据仓库中的数据通常用于许多不同的业务系统数据库中，数据量大，一般用作企业数据中心。

数据库一般存储交易数据，数据仓库一般存储历史数据。 数据库设计是尽可能避免冗余，一般采用符合范式的规则进行设计，数据仓库是刻意通过引入冗余，采用反范式的方法进行设计的。

1.数据源 - > 3数据仓库。

存储和管理 - >工具。

数据源：是数据仓库系统的数据源，通常包括各种企业信息，包括存储在RDBMS中的各种业务处理数据和各种文档数据; 各种法律法规。

市场信息、竞争对手信息等;

ETL 工具（Informatica、SSIS、OWB、DataStage）以及该工具的功能一概而论。

DataStage 是一套数据提取、转换和维护流程，旨在简化和自动从多个操作数据源提取数据并将其馈送到数据集市中。

或数据仓库目标数据库的集成工具。

它有四个组件： 管理员：用于管理项目和环境变量。

Manager：作业表定义指南。 设计器：用于设计：查看作业运行日志和操作。

数据存储和管理：数据存储和管理是整个数据仓库的核心，是关键。 数据仓库的组织和管理方式决定了它与传统数据库的不同之处，也决定了它如何表示外部数据。

从分析数据仓库的技术特点出发，决定用什么产品和技术来构建数据仓库，然后对现有业务系统的数据进行提取、清洗、有效整合，并按主题进行组织。 数据仓库根据数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（俗称数据集市）。

OLAP 服务器：

根据多维模型对所需数据进行有效整合和组织，用于多角度场位姿泄漏、多层次分析和趋势发现。 其具体实现可分为：ROLAP（关系分析处理）、MOLAP（多维分析处理）和HOLAP（混合在线分析处理）。

ROLAP 基本数据和聚合数据存储在 RDBMS 中。 MOLAP的基础数据和汇总数据存储在多维数据库中。 Holap的基础数据存储在RDBMS中，聚合数据存储在多维数据库中。

前端工具：主要包括查询工具和数据分析。

工具、数据挖掘工具、报告工具以及基于数据仓库或数据集市的各种应用程序开发工具。

数据分析工具主要针对OLAP服务器。 报告工具和数据挖掘工具主要针对数据仓库。