数据仓库是一种面向主题、集成、相对稳定、反映历史变化、支持决策的数据存储系统。它将来自多个操作性数据源的数据进行抽取、转换和加载(ETL)，然后进行数据建模、存储和查询，以支持企业的决策分析和业务智能。

　　大数据的数据仓库具有以下特点：

　　大数据量：大数据的数据仓库面对的是庞大的数据量，需要采用分布式存储和计算技术，如 Hadoop、Spark 等。

　　多样化数据：大数据的数据仓库处理的数据不仅仅是结构化数据，还包括半结构化和非结构化数据，需要采用各种数据处理技术，如文本分析、图像识别、语音识别等。

　　高性能和高可用性：大数据的数据仓库需要支持高并发、高吞吐量的数据访问，并保证数据的安全性和可靠性，需要采用分布式计算和存储技术，如 Hadoop 分布式文件系统(HDFS)、Zookeeper、HBase 等。

　　实时处理：大数据的数据仓库需要支持实时数据处理和实时查询，能够及时反馈数据变化，需要采用实时计算技术，如 Spark Streaming、Flink 等。

　　面向业务：大数据的数据仓库需要面向业务需求，能够为企业提供更加精准的决策支持，需要采用业务建模和数据挖掘技术，如 OLAP、数据挖掘等。

　　高扩展性：大数据的数据仓库需要支持快速扩展和容错，能够适应业务的不断变化和发展，需要采用分布式计算和存储技术，如 Hadoop、Spark 等。

　　综上所述，大数据的数据仓库需要采用先进的分布式存储和计算技术，支持多样化数据和实时处理，面向业务需求，并具有高性能、高可用性和高扩展性等特点。