随着数据存储和聚合需求以及利用聚合数据中智能的相关需求增加，随时随地访问该数据的愿望也有所增加。数据仓库已履行聚合数据以提供单一商业智能来源的职责，但我们仍在提高我们的能力，以满足持续、不间断的连接需求，而无需安排因而停机维护、备份等。
这是复制技术（如更改数据捕获（CDC））发挥作用的地方 – 在后台执行任务，并确保我们始终可以访问支持实时智能的数据。
我们可以将数据仓库视为仓库，这是一个可以集成、存档和存储来自不同来源的数据以供分析的大面积区域;他们已经存在了几十年了…Teradata 是数据仓库的祖父，它基于一个设计原则构建数据库，其中所有内容都是并行的，没有限制性能和可扩展性的单一瓶颈。
20 世纪 80 年代和 90 年代的早期数据仓库的部署和维护成本高昂。然而，有了正确的重点和实施，从数据仓库获得的价值被证明是巨大的，案例研究记录了沃尔玛和AT&T等公司在数据仓库工作中取得的成功。
数据仓库对于希望优化核心业务流程、节约成本和将风险降至最低的组织来说，仍然是非常成功的分析解决方案。他们传统上专注于整合来自各种事务系统的数据。来自打包企业资源规划 （ERP） 应用程序、供应链管理 （SCM）解决方案和客户关系管理 （CRM） 软件的数据为数据仓库提供数据仓库，许多其他行业特定和自产数据也提供来源。
随着基于云的技术的激增，在企业的 BI 战略中，还有更多数据源和目标需要考虑。因此，将数据集成到数据仓库中仍然是数据仓库计划的重要考虑因素。
直到最近，ETL作业每天运行一次以填充分析系统。这种每天一次的方法效果很好，因为系统通常在白天（或晚上）有一段时间，当系统不是很活跃，允许数据提取作业运行，而不会影响源事务系统的性能。
然而，在我们的全球互联世界中，系统全天候处于活动状态，因此启动繁重的数据提取作业不太为接受。此外，组织认为，在更快地访问分析数据方面，获得竞争优势、降低欺诈率等都很有价值。实时数据对于现代企业至关重要。
通过基于日志的更改数据捕获 （CDC） 为实时数据仓库提供燃料
数据仓库合并单一 BI 源的数据
借助实时数据仓库，公司可以基于更最新、更准确和事务一致的数据更快地做出决策。这是异构数据复制技术（如基于日志的更改数据捕获 （CDC））非常有用的地方。顾名思义，CDC 标识增量更改并将其与其他系统同步，或存储更改的审核跟踪。
CDC 有多种类型，包括基于触发器和基于日志的。事务数据库在事务日志中存储所有更改，以便在数据库因任何原因崩溃时恢复数据库的提交状态。
基于日志的 CDC 不需要其他表更新或查询处理 – 它直接从日志中读取，而不会影响事务，因此对数据库的影响较小。相反，基于触发器的 CDC 在需要更改数据捕获的表上创建触发器，并触发这些触发器会减慢事务速度。
由于基于日志的 CDC 对事务处理应用程序的影响最小，因此它可以应用于所有可能的方案，包括事务量极高的系统。使用基于日志的 CDC 进行实时数据复制，无需在源数据库和 ODS 之间定期进行批量加载。使用基于日志的 CDC，数据移动更快，对资源的压力较小。更改可以接近实时处理，在某些情况下，数据延迟以秒为单位甚至子秒为单位进行测量。
公司必须为其 BI 团队提供源源不断的实时数据，以便做出保持竞争力所需的战术性日常决策。使用基于日志的 CDC 为实时数据仓库提供支持，可实现这一目标，并帮助组织充分发挥其商业智能解决方案的潜力。