[中图分类号]TP311.52[文献标识码]A

　　当前许多企业，因为内部部门缺乏沟通，或开发时间上的差异，采用了不同的技术开发数据信息系统。这些系统彼此独立，数据不能交流或共享，形成一个个的"信息孤岛"，大大降低了数据的应用和企业的工作效率。

　　数据集成技术可以将这些相互独立的数据系统中的数据，通过统一的应用标准和数据结构，进行整合，从而使各个系统或不同的用户可以对数据进行有效的访问。

　　所以使用数据集成技术，统一数据平台，与各个异构数据库数据进行交互，是解决企业现有问题的主要手段。

　　1数据集成技术的好处

　　1.1降低企业内的信息系统存储数据、维护数据的成本。

　　1.2提高企业用户使用数据的效率，加快企业进行决策和运营的效率。

　　1.3充分利用现有的数据系统进行数据集成，降低数据整合的成本，加快数据整合的速度。

　　2数据集成分类

　　2.1基本数据集成

　　在对基本数据集成时，数据异构问题是最难解决的问题之一。如果同一个实体对象存在于多个异构的数据源中，由于其名称、定义或数据类型等不一致，还有对同一个对象描述的内容不一致，甚至无法确定这些实体对象是否是同一个实体时，就可以采取以下方法进行处理：

　　2.1.1分离。在无法确定的情况下，对每次遇到的实体对象都分配一个唯一标识符。

　　2.1.2合并。分辨出哪些实体对象实际上是同一实体对象，然后将这些实体对象进行合并。如果一个目标数据对应多个数据源，则还要指定发生冲突时，哪个数据源占据主导地位。

　　如果出现数据丢失，则需要产生一个接近实际数据的估算值来代替丢失的数据。

　　2.2多级视图集成

　　在进行数据集成时，还需要集成各个数据源之间的关系，这就要使用多级视图来进行。基本的数据存在于单个的数据源中，是数据的来源根本；中间视图则是符合公共模型格式的数据视图；综合视图是对中间视图数据的进一步整理和导出。

　　2.3模式集成

　　在异构数据源中存在多个数据库系统时，就需要进行模式集成。模式集成可以将异构数据源中不同的模式集成为一个统一的模式。

　　2.4数据粒度的集成

　　数据粒度指的是在数据库设计过程中，数据保存的综合程度或细化程度。数据保存的精度越低，数据综合程度就越高，粒度就越大。反之，数据保存的精度越高，数据细化程度就越高，粒度就越小。

　　3数据集成架构

　　3.1单系统数据集成架构