浅谈数据仓库两种方法论

Posted 2021-04-24 林恩5678

Kimball和Inmon是两种主流的数据仓库方法论，提出这两种方法的分别是 Ralph Kimbal 和 Bill Inmon，二者都是数据仓库方面的知名学者。

01

Kimball

Kimball 模式从流程上看是是自底向上的，即从数据集市到数据仓库再到数据源(先有数据集市再有数据仓库)的一种敏捷开发方法。对于Kimball模式，数据源往往是给定的若干个数据库表，数据较为稳定但是数据之间的关联关系比较复杂，需要从这些OLTP中产生的事务型数据结构抽取出分析型数据结构，再放入数据集市中方便下一步的BI与决策支持。

通常，Kimball都是以最终任务为导向。

Kimmball的四步骤维度设计过程：

    1.选择业务处理过程

    2.声明粒度

    3.确定维度

    4.确定事实

Kimball往往意味着快速交付、敏捷迭代，不会对数据仓库架构做过多复杂的设计，在变换莫测的互联网行业，这种架构方式逐渐成为一种主流范式。

02

Inmon

Inmon 模式从流程上看是自顶向下的，即从数据源到数据仓库再到数据集市的（先有数据仓库再有数据市场）一种瀑布流开发方法。对于Inmon模式，数据源往往是异构的，比如从自行定义的爬虫数据就是较为典型的一种，数据源是根据最终目标自行定制的。

在Inmon模式中，并不强调事实表和维度表的概念，因为数据源变化的可能性较大，需要更加强调数据的清洗工作，从中抽取实体-关系。

通常，Inmon都是以数据源头为导向。首先，需要探索性地去获取尽量符合预期的数据，尝试将数据按照预期划分为不同的表需求。其次，明确数据的清洗规则后将各个任务通过ETL由Stage层转化到DW层，这里DW层通常涉及到较多的UDF开发，将数据抽象为实体-关系模型。接着，在完成DW的数据治理之后，可以将数据输出到数据集市中做基本的数据组合。最后，将数据集市中的数据输出到BI系统中去辅助具体业务。

03

二者对比

特性	Kimball	Inmon
数据摄取	Y	Y
stage	Y	Y
ETL	Y	Y
数据集市	Y	Y
商业需求	Y	Y
数据时间属性	Y	Y
数据仓库优先	N	Y
事实维度拆分	Y	N
关系表维护	N	Y
处理导向	Y	N
数据模型泛化	N	Y
精心设计	N	Y
缓慢变化维	Y	N
连续变化维	N	Y

特性	Kimball	Inmon
时间	快速交付	漫长
开发难度	小	大
维护难度	大	小
数据要求	特定业务	企业级

04

总结

企业的数据仓库是为了出具分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。

通过对两种数据仓库方法论的简介和对比，可以看出二者的优点和缺点，在实际项目中，往往会同时借鉴两种数据仓库的思想，并结合实际业务来构建企业的数据仓库。

  本文章仅代表作者个人看法。

欢迎长按以下二维码关注