维度数据模型建模过程 (Kimball)

一、维度建模：

• 通常以星型模型构建

• 一个事实表

• 周围环绕多个维度表

• 建模过程

• 选择业务流程

• 声明粒度（维度的取值范围）

• 确认维度

• 确认事实

1 选择业务流程

• 确认哪些业务处理流程是数仓要覆盖的，是维度建模的基础

• 建模的第一个步骤：描述需要建模的业务流程

• 描述业务流程

• 使用简单的纯文本描述

• 业务流程建模标注（BPMN）——工作流的工具

2 声明粒度

• 确认数据的粒度，其实就是对应不同的维度的粒度

• 建议从原始粒度数据开始设计

• 例如：

• 时间粒度——秒级

• 地域粒度——乡镇级

• 商品分类——三级分类

3 维度建模过程 - 确认维度

• 维度的粒度必须和声明的粒度一致

• 维度表是事实表的基础，也说明了事实表的数据是从哪里采集来的

• 典型的维度都是名词

• 日期

• 商店

• 库存等

• 维度表存储了某一维度的所有相关数据，例如：日期维度应该包含：

• 年

• 季度

• 月

• 周

• 日

4 维度建模过程 - 确认事实

• 识别数字化的度量，构成事实表的记录

• 用户通过对事实表的访问获取数据仓库存储的数据

• 大部分事实表的度量都是数值类型的，可累加，可计算

二、维度规范化

• 与关系模型类似，维度也可以进行规范化

• 维度的规范化（又叫雪花化），可以去除冗余属性

• 一个非规范化维度对应一个维度表，规范化后，一个维度会对应多个维度表，维度被严格地以子维度的形式连接到一起

• 维度规范化后的结构等同于一个低范式级别的关系型结构

• 设计维度数据模型时，会因为如下原因而不对维度做规范化处理

• 规范化会增加表的数量，使结构跟复杂

• 不可避免的多表连接，使查询跟复杂

• 不适合使用位图索引

• 查询性能原因

总体来说，但多个维度共用某些通用的属性时，做规范化是有益的。例如：客户和供应商都有省、市、区县、街道等地理位置的属性，此时分离出一个地区属性就比较合适

三、星型模型

• 星型模型是维度模型最简单的形式，是数据仓库以及数据集市开发中使用最广泛的形式

• 星型模式由以下两类表构成

• 事实表

• 维度表

• 一个星型模式中可以有一个或多个事实表，每个事实表应用任意数量的维度表

• 中心是一个事实表，围绕表周围的维度表示星星的放射状分支

• 星型模式将业务流程分为事实和维度

• 事实包含业务的度量，如：销售价格、销售数量、距离、速度、重量都是事实

• 维度是对事实数据属性的描述，如：

• 日期

• 产品

• 客户

• 地址位置等是维度

• 事实表

• 记录特定事件的数字化的考量

• 由数字值和指向维度的外键组成

• 通常会把事实表的粒度级别设计得比较低，使得事实表可以记录很原始的操作型事件

• 三种类型

• 事务事实表。记录特定事件的事实，如：销售

• 快照事实表。记录给定时间点的事实，如：月底账户余额

• 累积事实表。记录给定时间点的聚合事实，如：当月总的销售金额

• 维度表

• 维度表的记录数通常比事实表少，但每条记录包含有大量用于描述事实数据的属性字段

• 维度表可以定义各种各样的特性，以下是几种最常用的维度表

• 时间维度表

• 地理维度表

• 产品维度表

• 人员维度表

• 范围维度表

• 优点

• 星型模式是非规范化的。在星型模式的设计开发过程中，不受应用于事务性关系数据库的范式规则的约束

• 简化查询。查询数据时，星型模型的连接逻辑比较简单，而从高度规范化的事务模型查询数据时，往往需要更多的表连接

• 简化业务报表逻辑

• 获得查询性能力

• 快速聚合

• 便于向立方体提供数据

• 星型模式被广泛用于高效建立 OLAP 立方体--》kylin(构建 cube)

• 缺点

• 不能保证数据的完整性。一次性地插入或更新操作可能造成数据异常。所以数据装载一般都是以高度受控方式，用批处理或准实时过程执行

• 对于分析需求不够灵活，跟偏重于特定目的建造数据视图，很难进行全面的数据分析

四、雪花模型

• 一种多维模型中表的逻辑布局

• 也由事实表和维度表组成

• 所谓雪花，就是将星型模式中的维度表进行规范化处理

• 但所有的维度表完成规范化后，就形成了以事实表为中心的雪花型结构，即雪花模式

• 将维度表进行规范化的具体做法是：

• 把低基数的属性从维度表走过来移除形成单独的表

• 基数指的是一个字段中不同值的个数（例如：性别的基数就很低）

• 雪花模式中，一个维度被规范化成多个关联的表，而在星型模式中，每个维度由一个单一的维度表所表示

• 一个规范化的维度对应一组具有层次关系的维度表，而事实表作为雪花模式的子表，存在具有层次关系的多个附表

• 一般维度表设计成一个低于 3NF 的级别

• 优点

• 一些 OLAP 多维数据库建模工具专为雪花模型进行了优化

• 规范化的维度属性节省了存储空间

• 缺点

• 增加了查询的连接操作和复杂度

• 雪花模式的表中装载数据，一定要有严格的控制和管理，避免数据的异常插入或更细腻