数据仓库设计

1． 维度建模基本概念

维度建模：就是从业务需求出发，方便我们进行统计分析的建表建库的理论；

这套只适合我们的 OLAP 数据分析的业务；不适合 OLTP。

（扩展）mysql 三范式：1：每个字段的原子性；不可分割；2：字段之间不能依赖传递关系；3：主键唯一性，

为了自己的场景考虑：快速查询响应，安全性，事务等；

数据仓库建表需要满足上面的范式吗？

实际上不需要，数据仓库就是为了满足了一个目标，就是怎么方便分析就怎么设计！！

数据仓库中有哪些表？

事实表：就是客观事实的记录数据；清洗之后的日志数据；

维度表：维度就是角度；一个角度所有可选项的集合；时间维度，地域维度；用户维度；终端维度；总共是 10 个维度；

1.1． 事实表

事实表是对分析主题的一个度量；

你的需求分析什么？

分析用户访问日志：主题：用户的访问日志；用户访问日志数据、表；

分析一年的订单销售情况？主题：分析订单销售情况；订单表--》事实表；

进入公司：

让你统计去年一年销售情况？

数据从哪里哪里来？考虑有没有数据支撑你的需求统计；要找到事实表，如果没有直接的事实表，可以考虑自己创建，但是一定要得有原始数据支撑！！

事实表：会是一堆主键的堆积；主键 id 所对应的的表一般就是我们分析的一个维度。

订单表设计：

字段：orderid;productId;regionId;

1.2． 维度表

2． 维度建模三种模式

在数据仓库中你的事实表和维度表以何种形式存在？一种模式就是一种存在的形式！！

2.1． 星型模式

一个事实表周围散列多个维度表；数据仓库发展初期采用的模型，一个事实表；

2.2． 雪花模式

一个事实表周围散列维度表的同时，维度表自身又进行了拓宽，还需要与其它维度表 join，后期维护成本；

这种架构是尽量避免；

2.3． 星座模式

多张事实表共用某些维度表，注意不是所有的维度表都进行共用；

3． 本项目中数据仓库的设计

分析用户访问行为：

主题：分析用户行为：

事实表：用户日志数据，mr 清洗之后的数据；

维度表：时间维度，session 维度，来源维度等；维度表取决于具体的业务？根据指标而来。

模型：星型模型：

pageview + visitview 属于什么表呢？

既不属于维度表也不属于我们的事实表，属于我们事实表的一个业务延伸，都是从事实表处理转换而来！！

拓宽后的宽表字段：

在数据仓库的建表中最高标准就是便于分析，我们可以为了分析方便拓宽表实际上相当于冗余存储了一份！！