​      数据仓库是数据库概念的升级。从逻辑上理解，数据库和数据仓库没有区别，都是通过数据库软件实现存放数据的地方，只不过从数据量来说，数据仓库要比数据库更庞大得多。

      

​      数据库通常由很多表组成，表是二维的，一张表里面有很多字段。字段一字排开，对数据就一行一行的写入表中。

​      数据库的表在于能够用二维表现多维的关系。

​      

​      数据仓库的数据量要比数据库大得多。

​      数据库主要用于事务处理。

​      数据仓库主要用于数据分析，辅助做决策。

   
      数据库的特点是相对复杂的表格结构，存储结构相对紧致，少冗余数据。读和写都有优化。相对简单的read/write query，单次作用于相对的少量数据。一般只是读优化。相对复杂的read query，单次作用于相对大量的数据（历史数据）。
 

​      数据仓库的特点在于深度优先在很多情况下会导致爬虫的陷入问题，目前常见的是广度优先和最佳优先方法。该算法的设计和实现相对简单。在日前为覆盖尽可能多的网页，般使用广度优先搜索方法。也有很多研究将广度优先搜索策略应用于聚焦爬虫中。其基本思想是认为与初始 URL 在一定链接距离内的网贞具有主题相关性的概率 很大。