20世纪70年代，MIT(麻省理工)的探索员悉力于探索一种优化的时间架构，该架构试图将营业处置体系和阐发体系分裂，即将营业处置和阐发处置分为分别方针，针对各自的特色采用分其它架构策画规矩，MIT的探索员以为这两种新闻处置的格式拥有明显分别，乃至于务必采用全体分其它架构和策画措施。但受限于当时的新闻处置才具，这个探索仅仅中止正在表面层面。
1991年，比尔·恩门（Bill Inmon）出书了他的第一本闭于数据栈房的书《Building the Data Warehouse》，象征着数据栈房观念确切立。该书界说了数据栈房特殊完全的规矩，这些规矩到现正在仍旧是指挥数据栈房摆设的最基础规矩。比尔·恩门（Bill Inmon）主意自上而下的摆设企业级数据栈房EDW （Enterprise Data Warehouse），这个历程中新闻存储适当第三范式，布局如下：
因为企业级数据栈房的策画、践诺很艰苦，很紧要的来由是由于其数据模子策画，正在企业级数据栈房中，Inmon推选采用3范式实行数据修模，从而无法增援决定增援（DSS -Decision Suport System ）体系的机能和数据易访谒性的央浼，即：数据存储格式正经依据范式修模格式，导致数据阐发效能低下。许多公司依据这种格式构修数据栈房遭到凋谢。
同时代，拉尔夫·金博尔（Ralph Kimball）提出自下而上的创设数据栈房，总共历程中新闻存储采用维度修模而非三范式，思绪如下：
维度修模格式没有采用三范式格式策画存储数据，合用于数据阐发场景，以上策画格式构修数据栈房践诺难度大大低浸，而且可能餍足公司内部部门营业部分的紧迫需求，正在初期获取了较大凯旋。
然则很速，他们也浮现己方陷入了某种窘境：跟着数据集市的不时增加，这种架构的缺陷也慢慢透露，公司内部独立摆设的数据集市因为效力分其它圭表和摆设规矩，乃至多个数据集市的数据动乱和不相同，处分以上题目，还需回归到范式修模。
1998年，Bill Inmon提出了新的BI架构CIF(Corporation information factory)，CIF的主旨是将数仓架构划分为分其它方针以餍足分别场景的需求，例如常见的ODS、DW、DM等，每层依照实践场景采用分其它摆设计划，现正在CIF依然成为摆设数据栈房的框架指南。
跟着时间的进展，到此日数据栈房摆设表面也是基于CIF架构摆设计划演化而来。同时数据栈房的观念越来越正确，数据栈房界说如下：
数据栈房，Data Warehouse，可简写为DW或DWH。数据栈房是面向大旨的、集成的（非简易的数据积聚）、相对安靖的、反映史籍变动的数据聚会，数仓中的数据是有机闭有布局的存储数据聚会，用于对约束决定历程的增援。
古板离线世纪初跟着互联网时间的到来，数据量暴增，大数据时间到来。Hadoop生态群及衍生时间缓慢走向“舞台”，Hadoop是以HDFS为主旨存储，以MapReduce（简称MR）为基础筹划模子的批量数据处置基本措施，缠绕HDFS和MR，发作了一系列的组件，不时圆满总共大数据平台的数据处置才具，
以上离线大数据架构弗成能处置及时性营业，早期，很过公司都是基于Storm来处置处置及时性较量强的营业场景，跟着越来越多的使用上线，专家浮现，原本批处置和流筹划配合应用，本领餍足大部门使用需求。而关于用户而言，原本他们并不体贴底层的筹划模子是什么，用户心愿无论是批处置依然流筹划，都能基于同一的数据模子来返回处置结果，于是Lambda架构被提出。
正在Lambda架构中，为了筹划少许及时目标，就正在本来的离线数仓基本之上加添了一个及时筹划的链途，并对数据源做流式改造：把讯息发送到讯息部队中（大数据中常用Kafka），及时筹划去消费讯息部队中的数据，落成及时目标筹划，推送到下游的数据任职中去，由数据任职层落成离线与及时结果的团结。
Lambda架构中数据从底层的数据源入手，颠末各类各样的体式进入大数据平台，正在大数据平台中颠末Kafka、Flume等数据组件实行网罗，然后分成两条线实行筹划。一条线是进入流式筹划平台（比方 Storm、Flink或者Spark Streaming），去筹划及时的少许目标，包管数据及时性；另一条线进入批量数据处置离线筹划平台（比方Mapreduce、Hive，Spark SQL），去筹划T+1的联系营业目标，这些目标必要隔日本领瞥见，包管数据有用、切确性。
“及时数仓”正在包管数据及时性的条件下，完成了数据基于数据栈房约束，尤其同一范例。