1. 持续（准实时）类型：持续更新从OLTP 来的数据，包括刷新汇总和预计算的数据。
2. 批量更新：在系统不忙的时候批量更新大量数据
3. 支持报表和仪表盘的数据仓库 ： 使用常规的索引，物化视图，分区等优化手段
4. 策略业务分析：只IT 的帮助下建立了通用的模型，但是业务人员自己需要交互式的分析改变和保存。 可能会产生非预测无法优化的情况。
5. 即席查询的数据仓库：用户以一种不可预知的方式查询任意数据。 传统的优化手段不可能预先覆盖所有情况。
6. 面向分析的数据仓库：包括复杂的分析函数，排名，记分，预测，OLAP模拟，数据挖掘，文本挖掘等等，一般分析时间较长。

　　另外也有一种按数据仓库的使用案例分类的：

1. EDW：最原始的理想状况的所有数据放一起的
2. Data Mart：一般是部门级别的数据，管理起来方便，性能也更好
3. 实时数据仓库：需要实时更新的，尤其是对于操作型的一些报表和即席查询
4. 历史数据仓库：历史数据，按时间归档，很少查，偶尔会有汇总
5. 分析型OLTP 数据仓库：主要面向操作型的报表和仪表盘，大多是中小企业的
6. 混合负载的：白天可能有各种报表然后又实时的，晚上又是批量装载又是分析型的大量计算。

　　另外分析型的也有很多不好分的分类：

　　high-volume simple processing

　　online request processing

　　internet request processing

　　network request processing

　　short request processing

　　rapid request processing

　　为什么要分类？

　　因为现在没有一种数据库能处理各种类型的混合，让不同特性的应用使用合适的工具才能更好的发挥各自的优势，当然这对不同的数据库选型以及系统架构会产生很大影响。

　　参考资料

　　DBMS2 的添加分类

　　http://www.dbms2.com/2011/03/30/short-request-and-analytic-processing/

　　Gartner 08 年分的数据仓库

　　http://www.sqlmag.com/article/data-management/data-warehouse-workloads-and-use-cases