数据仓库之数据模型

Posted 2021-04-24 西安大数据

关于数据仓库的概念，这里不再累赘。先看下面的图（数据仓库建设的7个主要环节）：

本文，主要针对第三块数据仓库模型设计来讨论交流，尤其是互联网行业。

一、关于数据仓库数据模型

---

1. 数据仓库数据模型是指使用实体、属性及其关系对企业运营和逻辑规则进行统一的定义、编码和命名；是业务人员和开发人员之间沟通的一套语言。

2. 数据仓库数据模型的作用：

• 统一企业的数据视图；

• 定义业务部门对于数据信息的需求；

• 是构建数据仓库原子层的基础；

• 支持数据仓库的发展规划；

• 初始化业务数据的归属；

 

3. 数据仓库数据模型与业务系统数据模型设计的区别：

4. 数据仓库数据模型设计的先后次序

• 概念模型设计（业务模型）：界定系统边界；确定主要的主题域及其内容；

• 逻辑模型设计：维度建模方法（事实表、维度表）；以星型和雪花型来组织数据；

• 物理模型设计：将数据仓库的逻辑模型物理化到数据库的过程；

二、关于维度模型和关系模型

---

关系建模又叫ER建模，是数据仓库之父Inmon推崇的，其从全企业的高度设计一个3NF模型的方法，用实体加关系描述的数据模型描述企业业务架构，在范式理论上符合3NF，其是站在企业角度进行面向主题的抽象，而不是针对某个具体业务流程的，它更多是面向数据的整合和一致性治理，正如Inmon所希望达到的“single version of the truth”。

维度模型则是数据仓库领域另一位大师Ralph Kimball 所倡导的。维度建模以分析决策的需求为出发点构建模型，一般有较好的大规模复杂查询的响应性能，更直接面向业务，典型的代表是我们比较熟知的星形模型，以及在一些特殊场景下适用的雪花模型。

两者的主要区别在于灵活性和性能方面。

另外，关系模型要求数据以最细粒度存在，而多维模型则以轻粒度汇总数据存在。

（记得十年前，某大型保险公司实施EDW项目，采用的就是关系模型，由IBM专门的团队负责建模，好家伙）。

在我看来，如果不是实施业务相对成熟的EDW，大多数据仓库均会采用维度模型建模；

三、互联网数据仓库数据模型

---

1. 互联网数据仓库的现实状况

2. 我们的模型方法选择

在我们的数据仓库中，除了各个主题域下的维度模型，还存在一些宽表模型。所谓宽表模型，是基于维度模型的扩展，采用退化维度的方式，将不同维度的度量放入数据表的不同的列中；它更易于理解，具有更高的查询效率；易于模型扩展；

事实证明，在海量数据环境下，对业务查询的支撑，宽表在性能和易用性方面，都达到了比较理想的效果。