✨[面试进阶]在Hive数据仓库中的建模方式是？为什么选择这种建模方式？(Hive篇)✨

Posted 2021-09-23 manor的大数据奋斗之路

🚩 问题分析

本题主要是为了考察面试人员对于业务的熟悉和理解程度，单讲业务建模类型是相对容易的，但是切合业务进行建模就值得我们多多思考了。

🚩 核心问题讲解

Hive作为数据仓库，同关系型数据库开发过程类似，都需要先进行建模。所谓建模，就是对表之间指定关系方式。建模在Hive中大致分为星型、雪花型和星座型。

要对建模深入理解，首先需要对Hive数仓中的集中表概念进行界定。Hive中的表从形态上分内部表、外部表、桶表、分区表。

在数据逻辑上划分为维度表和事实表。维度表等价于我们常说的字典表。事实表就是字典表之外的数据表。

⚽ 星型

多张维度表，一张事实表，维度表之间没有关系。

查询性能要好些,存储有冗余的。星型模型使用的比较多。

⚽ 雪花型

雪花型是星型建模的扩展，维度表之间有关系。

存储减少冗余，查询性能有损失，需要多级连接。和星型模型的共性就是只有一张是事实表。

⚽ 星座型

星座型也是星型模型的扩展，存在多张事实表。

🚩 问题扩展

扩展性差的时候，记住这样一句话：当增加新业务的时候，就需要增加相应的表。

🚩 结合项目中使用

例如：某个业务系统的信息没有提供汇总表，而是新增一种新的业务，就需要新增一张数据表。

我们统计业务量的时候，要拿大几十张数据表进行关联，报表执行效率很差，后面就直接在数据仓库上帮源系统做了张新业务的汇总表，提高了后续报表的加工效率，也屏蔽了新增业务品种对报表的影响。

这里我们可以结合书仓管设计的基本特性来考虑：

（1）清晰数据结构

（2）数据血缘追踪

（3）减少重复开发

（4）复杂问题简单化

（5）屏蔽原始数据的异常

（6）屏蔽业务的影响，不必改一次业务就需要重新接入

我们可以依照这些概念，哪些基本数据分到数仓层，再结合我们的业务需求，逐层构建各个业务上的集市层。

可以有效减少我们后期运营维护的各项成本。