对于维度建模的理解

Posted 2023-03-22

什么意思

维度模型是数据仓库领域大师Ralph Kimball 所倡导，以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能。

维度建模是 数据仓库/商业智能 项目成功的关键，为什么这么说，因为不管我们的数据量从GB到TG还是到PB，虽然数据量越来越大，但是数据展现要获得成功，就必须建立在简单性的基础之上，而维度建模就是时刻考虑如何能够提供简单性，以业务为驱动，以用户理解性和查询性能为目标。

维度建模：维度建模是专门应用于分析型数据库、数据仓库、数据市集建模的方法。数据市集可以理解为一种“小型的数据仓库” 维度建模指导我们在数据仓库中如何建表

维度建模分为两种表：事实表和维度表

事实表：必然存在的一些数据，像采集的日志文件，订单表，都可以作为事实表
特征：是一堆主键的集合，每个主键对应维度表中的一条记录，客观存在的，根据主题确定出需要使用的数据

维度表：维度就是所分析的数据的一个量，维度表就是以合适的角度来创建的表，分析问题的一个角度：时间、地域、终端、用户等角度

维度建模的三种模式

星形模式：以事实表为中心，所有的维度表直接连在事实表上，最简单最常用的一种



请点击输入图片描述

雪花模式：雪花模式的维度表可以拥有其他的维度表，这种表不易维护，一般不推荐使用



请点击输入图片描述

星座模型：基于多张事实表，而且共享维度信息，即事实表之间可以共享某些维度表

请点击输入图片描述

参考技术A 维度建模是一种将数据结构化的逻辑设计方法，它将客观世界划分为度量和上下文。度量是常常是以数值形式出现，事实周围有上下文包围着，这种上下文被直观地分成独立的逻辑块，称之为维度。它与实体-关系建模有很大的区别，实体-关系建模是面向应用，遵循第三范式，以消除数据冗余为目标的设计技术。维度建模是面向分析，为了提高查询性能可以增加数据冗余，反规范化的设计技术。

参考文章https://zhuanlan.zhihu.com/p/442910872 参考技术B 通俗一点就是将分析的角度（也就是维度）整合到事实表里面去，让应用更加便捷。比如你要分销某个商品的销售情况，可以把商品销售时间，部门，商品类别，一起和销售记录整合，这样你可以分析按时间，部门或是类型进行统计，这是一个方法论，具体操作又有不同的设计方式，比如星型，雪花。

总的来说，这个说起来是一个很大的概念，不是三言两语可以讲清楚的，可以自己百度学习二个经典的建模方式，即关系建模和维度建模。 - -|| 参考技术C 没有冗余代码 方便本回答被提问者采纳

维度建模 - 地理的支腿维度

【中文标题】维度建模 - 地理的支腿维度

【英文标题】：Dimensional Modeling - Outrigger dimension for geography

【发布时间】：2021-03-02 13:19:15

【问题描述】：

目前，我正在研究维度建模，并且对支腿维度有疑问。 该公司在客户和供应商之间进行贸易并充当经纪人。

对于事实表“Fact Trades”，我们包括 dimCustomer 和 dimSupplier。 这些维度中的每一个都有一个地址。

我的问题是，做涉及地理的支腿尺寸是否正确。通过这种方式，我们可以衡量我们从原产地运送到城市的数量。 dimensional model

我很好奇什么是最佳实践。我希望您能帮助解释应该如何正确建模以及为什么。

希望我的问题很清楚，并且我已将其发布在正确的位置。

提前致谢。

【参考方案1】：

我能想到至少 3 个可能的选项；您的具体情况将决定哪种方式最适合您：

如果您经常按地理位置过滤您的事实，但不需要公司/个人信息（即伦敦和纽约之间有多少笔交易？），那么我将创建一个独立的地理维度并将其直接链接到您的事实（两次 - 用于客户和供应商）。这也不会阻止您在客户/供应商 Dims 中拥有地理属性，因为维度模型未标准化 如果地理属性的变化率明显高于客户/供应商属性，并且客户/供应商 Dims 有很多属性，那么可能值得为地理属性创建一个支腿暗淡 - 因为这会减少客户/供应商 Dims 所需的维护。但是，鉴于大多数公司/个人很少更改地址，这可能不太可能 将地理属性保留在客户/供应商 Dims 中。即使选择上面的选项 1，我也可能会这样做

只是出于兴趣 - 客户和供应商是否具有明显不同的属性集（我假设他们都是公司或人员）？是否需要为它们创建单独的 Dim？