随着信息技术的不断发展,商业智能系统(BI)产生的信息数据在企业的日常运营中愈发重要。传统数据仓库的数据的加载周期固定并且较长,往往不能及时地反应企业相关信息(比如政府对行业的政策调整、市场对商品的需求变化)的瞬息万变,只能提供对现有的历史数据的查询分析功能,因此企业迫切需要实时、高效的数据处理工具捕获、分析实时数据,帮助企业能第一时间做出决策判断。实时数据仓库技术,作为传统数据仓库技术的一个扩展,能够迅速捕获数据的变化,并且完成实时分析功能高效的满足了企业的需求。数据的无延迟处理是实时数据仓库的关键技术之一。要在实时数据仓库系统中,实现实时数据高效、无时延的存取处理是一项具有挑战性的工作,因此研究实时数据仓库中实时数据存取策略对于实时数据仓库的发展有着重要的意义。本文对实时数据仓库处理技术、传统数据仓库、OLAP技术的研究现状进行了全面而深入的分析。设计了一个改进的实时数据仓库的体系结构,并且讨论本文提出的实时数据仓库存取处理技术的应用场景。然后针对实时数据存取技术的新特点,重点分析了实时数据存取技术的实现难点:当数据的查询操作和更新操作是同时进行,会导致在某一个时间点对于事实表中的某些记录发生查询与更新性能瓶颈(即查询冲突);当ETL在向数据仓库加载数据的时候,用户可能频繁执行查询操作,那么本文就要考虑要不要把新到来的数据纳入结果中(即查询精度问题)。针对上述这些问题,提出了基于动态镜像的数据存取技术,通过在独立于数据仓库的内存创建动态存储区域,同源的变化数据导入实时数据仓库前,以链表的方式暂存于动态存储区域中,在满足OLAP操作后载入实时数据仓库,有效的保证了查询结果的精度,且避免了查询竞争,大大提高了查询效率。