一、维度建模的基本概念

1.1维度建模的定义

维度建模（dimensional modeling）是专门用于分析型数据库、数据仓库、数据集市建模的方法，数据集市可以理解为是一种小型的数据仓库。

1.2 维度表（dimension）

维度表示你要对数据进行分析时所用的一个量，比如，你要分析产品销售情况，你可以选择按照类别来进行分析，或者按照区域进行分析。这样的按照XX进行分析的就构成了一个维度。再比如“昨天下午我在星巴克话费200元喝了一杯卡布奇诺”，那么以消费为主题进行分析从这段消息中可以提取三个维度：时间维度（昨天下午）、地点维度（星巴克）、商品维度（卡布奇诺）。通常来说维度表信息比较固定，且数据量小。

1.3 事实表（fact_table）

表示对分析主题的度量。事实表包含了与各维度表相关联的外键，并调用JOIN方式与维度表关联。事实表的度量通常是数值型的，且记录数会不断增加，表规模迅速增长。比如上面消费的例子，他的消费事实表结构示例如下所示：

消费事实表：prod_id（引用商品维度表id）、timekey(引用时间维度表)、place_id（引用地点维度表）、unit（销售量）。

总的来说，在数据仓库中不需要严格按照规范化设计原则，因为数据仓库的主导功能就是面向分析，以查询为主，不涉及数据更新操作。事实表的设计是以能够正确记录历史信息为准则，维度表的设计是以能够以合适的角度来聚合主题内容为原则。

二、维度建模的三种方式

2.1 星型模型

星型模型（star schema）是最常用的维度建模方式。星型模型是以事实表为中心，所有的维度表都直接连接在事实表身上，像星星一样。

维度表只和事实表关联，维度表之间没有关联；
每个维度主键为单列，且该主键被放在事实表中，作为两边连接的外键。
以事实表为核心，维度表围绕核心呈星型分布。

2.2 雪花模型

雪花模型（snawflake schema）是对星型模式的扩展。雪花模式的维度表可以拥有其他维度表。虽然这种模型相比星型模型更规范一些，但是由于这种模型不太容易理解，维护成本比较高，而且性能方面需要关联多层维度表，性能也比星型模型要低，所以一般不是很常用。

2.3 星座模型

星座模型是星型模型延伸而来，星型模型是基于一张事实表，而星座模型是基于多张事实表的而且共享维度信息。

前面介绍的两种维度建模的方式是对应单事实表，但是在很多时候维度空间的事实表不止一个，而一个维度表也可能被多个事实表用到，在业务发展后期，绝大部分维度表建模都是采用星座模型。

三、模型命名规范

维度表命名遵循 dim_<dimension_name>的规则，其中dimension_name用来描述维度的内容。

维度一般是指人员（who）、时间（when）、地点（where）、事件（what）来划分。

事实表的命名遵循fact_<fact_name> 的规则，其中fact_name用来描述事实表的内容。

事实表一般是以多少（how much）来划分的。

ETL自学之路-02（维度建模）相关推荐

ETL自学之路-03（处理维度表）
一.管理各种键业务键:源系统中业务主键,用来标识唯一的一个业务实体. 维度表代理键: 用来标识维度表里面的一行. 数据仓库最佳实践表明,原则上,维度表应该使用自动生成的无意义的整型数值作为代理键. ...
企业级数据仓库:数据仓库概述;核心技术框架,数仓理论,数据通道Hive技术框架,HBase设计,系统调度,关系模式范式,ER图,维度建模,星型/雪花/星座模式,数据采集同步,业务数据埋点,数据仓库规范
文章目录第一章数据仓库概述 1.1 数据仓库简介 1.1.2 什么是数据仓库? 1.1.3 OLTP 与 OLAP 1.2 数据仓库技术架构 1.3 课程目标第二章核心技术框架 2.1 数据仓 ...
浅谈数据仓库维度建模
浅谈数据仓库维度建模流程谈到Big Data就离不开数据仓库.数据集市等概念,而谈到数据仓库.数据集市,就又离不开数据仓库设计的方法,维度建模则是其中的典型.与维度建模相对立的则是范式建模,范式建模 ...
系列 | 漫谈数仓第二篇NO.2 『数据模型』（维度建模建模工具）
点击上方"数据仓库与Python大数据",选择"置顶/星标" 本文导航前言: model对于数仓是最核心的东西,数据模型是数据组织和存储方法,模型的好坏,决定 ...
大数据基础知识——数仓的搭建（维度建模）
数据仓库文章目录数据仓库数据仓库的介绍: 数据仓库的概念: OLTP和OLAP区别: 数据仓库的特点: 面向主题: 数据集成: 非易失: 时变: 数据仓库系统架构系统结构图源数据 ETL 数 ...
数据中台模型设计系列（一）：维度建模初探
1.与几个概念的关系操作型业务系统对于这个概念大家都不陌生.企业业务赖以运转的交易系统就属于操作型业务系统.因此它是为了保障业务正常运转,能够更快的处理事务. 但是因为它是针对某一特定的意图(例如满 ...
漫谈数据仓库之维度建模
2019独角兽企业重金招聘Python工程师标准>>> 0x00 前言下面的内容,是笔者在学习和工作中的一些总结,其中概念性的内容大多来自书中,实践性的内容大多来自自己的工作和个人 ...
数据建模_漫谈数据仓库之维度建模
点击上方蓝色字体,选择"设为星标" 回复"资源"获取更多惊喜大数据技术与架构点击右侧关注,大数据开发领域最强公众号! 大数据真好玩点击右侧关注,大数据真好玩! ...
matdem矩阵维度必须一致_「数据仓库篇」Kimball维度建模方案
一.文章概述在开始维度建模之前,数据小组需要理解业务需求,以及作为基础的源数据的情况.通过与业务方沟通需要,数据小组找到业务方想要的关键指标.支持数据分析的目标.维度模型不应该由那些不懂业务需求的人 ...

ETL自学之路-02（维度建模）