碩士開題報告可以從課題來源、研究目的和意義、國內外研究現狀和發展趨勢的簡要說明來寫，具體可參考下方示例。
壹、課題來源：
本課題來源於作者在學習和實習中了解到的兩個事實，屬於自擬課題。
其壹，作者在2011年7月在XXX公司調研，了解到現如今各行業都面臨著數據量劇增長，並由此帶來業務處理速度緩慢，數據維護困難等問題。為了應對此挑戰，很多企業開實施大數據發展戰略。現如今的大數據發展戰略可以概括為兩類，壹類是垂直擴展。
即采用存儲容量更大，處理能力更強的設備，此種方式成本較大，過去很多大公司壹直采用此種方法處理大數據。但自從2004年Google發布關於GFS，MapReduce和BigTable三篇技術論文之後，雲計算開始興起，2006年Apache Hadoop項目啟動。
隨後從2009年開始，隨著雲計算和大數據的發展，Hadoop作為壹種優秀的數據分析、處理解決方案，開始受到許多 IT企業的關註。相較於垂直擴張所需的昂貴成本，人們更鐘情於采用這種通過整合廉價計算資源的水平擴展方式。於是很多IT企業開始探索采用Hadoop框架構建自己的大數據環境。
其二，作者自2013年4月在XXX實習過程中進壹步了解到，因為關系數據庫在存儲數據格式方面的局限，以及其Schema機制帶來的擴展性上的不便，目前在大部分的大數據應用環境中都采用非結構化的數據庫，如列式存儲的Hbase，文檔型存儲的MangoDB，圖數據庫neo4j等。
這些非結構化數據庫因為可擴展性強、資源利用率高，高並發、響應速度快等優勢，在大數據應用環境中得到了廣泛的應用。但此種應用只解決了前端的業務處理，要真正利用大數據實現商務智能，還需要為決策支持系統和聯機分析應用等提供壹數據環境——數據倉庫。為此，導師指導本文作者擬此題目，研究基於Hadoop框架的數據倉庫解決方案。
二、研究目的和意義：
現如今，數據已經滲透到每壹個行業，成為重要的生產因素。近年來，由於歷史積累和和數據增長速度加快，各行業都面臨著大數據的難題。事實上，大數據既是機遇又時挑戰。合理、充分利用大數據，將其轉變為海量、高增長率和多樣化的信息資產，將使得企業具有更強的決策力、洞察發現力和流程優化等能力。
因此，很多IT企業都將大數據作為其重要的發展戰略，如亞馬遜、臉譜網已布局大數據產業，並取得了驕人的成績。事實上，不止谷歌、易趣網或亞馬遜這樣的大型互聯網企業需要發展大數據，任何規模的企業都有機會從大數據中獲得優勢，並由此構建其未來業務分析的基礎，在與同行的競爭中，取得顯著的優勢。
相較於大型企業，中小企業的大數據發展戰略不同。大公司可以憑借雄厚的資本和技術實力，從自身環境和業務出發，開發自己的軟件平臺。而中小企業沒有那樣的技術實力，也沒有那麽龐大的資金投入，更傾向於選擇壹個普遍的、相對廉價的解決方案。
本文旨在分析大數據環境下數據庫的特點，結合當下流行的Hadoop框架，提出了壹種適用於大數據環境的數據倉庫的解決方案並實現。為中小企業在大數據環境中構建數據倉庫提供參考。其具體說來，主要有以下三方面意義：
首先，目前主流的數據庫如Oracle、SQL Server都有對應自己數據庫平臺的壹整套的數據倉庫解決方案，對於其他的關系型數據庫如MySQL等，雖然沒有對應數據庫平臺的數據倉庫解決方案，但有很多整合的數據倉庫解決方案。
而對於非結構化的數據庫，因其數據模型不同於關系型數據庫，需要新的解決方案，本文提出的基於Hive/Pentaho的數據倉庫實現方案可以為其提供壹個參考。
其次，通過整合多源非結構化數據庫，生成壹個面向主題、集成的數據倉庫，可為大數據平臺上的聯機事務處理、決策支持等提供數據環境，從而有效利用數據資源輔助管理決策。
再次，大數據是壹個廣泛的概念，包括大數據存儲、大數據計算、大數據分析等各個層次的技術細節，本文提出的“大數據環境下的數據倉庫解決方案及實現“豐富了大數據應用技術的生態環境，為大數據環境下的數據分析、數據挖掘等提供支撐。
三、國內外研究現狀和發展趨勢的簡要說明：
本文研究的主體是數據倉庫，區別於傳統基於關系型數據庫的數據倉庫，本文聚焦大數據環境下基於非結構數據庫的數據倉庫的構建與實現。因此，有必要從數據倉庫和大數據環境下的數據庫兩方面進行闡述。
（壹）數據倉庫國內外研究現狀：
自從Bill Inmon 在1990年提出“數據倉庫”這壹概念之後，數據倉庫技術開始興起，並給社會帶來新的契機，逐漸成為壹大技術熱點。目前，美國30%到40%的公司已經或正在建造數據倉庫。現如今隨著數據模型理論的完善，數據庫技術、應用開發及挖掘技術的不斷進步，數據倉庫技術不斷發展，並在實際應用中發揮了巨大的作用。
以數據倉庫為基礎，以聯機分析處理和數據挖掘工具為手段的決策支持系統日漸成熟。與此同時，使用數據倉庫所產生的巨大效益又刺激了對數據倉庫技術的需求，數據倉庫市場正以迅猛的勢頭向前發展。
我國企業信息化起步相對較晚，數據倉庫技術在國內的發展還處於積累經驗階段。雖然近年來，我國大中型企業逐步認識到利用數據倉庫技術的重要性，並已開始建立自己的數據倉庫系統，如中國移動、中國電信、中國聯通、上海證券交易所和中國石油等。
但從整體上來看，我國數據倉庫市場還需要進壹步培育，數據倉庫技術同國外還有很大差距。為此，我國許多科技工作者已開始對數據倉庫相關技術進行深入研究，通過對國外技術的吸收和借鑒，在此基礎上提出適合國內需求的技術方案。
（二）非結化數據庫國內外研究現狀：
隨著數據庫技術深入應用到各個領域，結構化數據庫逐漸顯露出壹些弊端。如在生物、地理、氣候等領域，研究面對的數據結構並不是傳統上的關系數據結構。如果使用關系數據庫對其進行存儲、展示，就必須將其從本身的數據結構強行轉換為關系數據結構。
采用此種方式處理非結構數據，不能在整個生命周期內對非關系數據進行管理，並且數據間的關系也無法完整的表示出來。在此背景下，非結構化數據庫應運而生。相較於關系數據庫，非結構數據庫的字段長度可變，並且每個字段的記錄又可以由可重復或不可重復的子字段構成。
如此，它不僅可以處理結構化數據，更能處理文本、圖象、聲音、影視、超媒體等非結構化數據。近年來，隨著大數據興起，非結構數據庫開始廣泛應用，以支持大數據處理的多種結構數據。
目前，非結構化的數據庫種類繁多，按其存儲數據類型分，主要包含內存數據庫、列存儲型、文檔數據庫、圖數據庫等。其中，常見的內存數據庫有SQLite，Redis，Altibase等；列存儲數據庫有Hbase，Bigtable等；文檔數據庫有MangoDB，CouchDB，RavenDB等；圖數據庫有Neo4j等。
近年來，我國非結構數據庫也有壹定發展，其中最具代表的是國信貝斯的iBASE數據庫。可以預見在不久的將來，伴隨這大數據的應用，非結構數據庫將會得到長足的發展和廣泛的應用。