數倉模型設計詳細講解
前言
今天給大家分享下數倉中的模型設計，一個好的數倉項目首先看一下它的架構以及他所用到的模型，它們使用的模型也都是非常巧妙的，好了，我們話不說到直接開始。
一、維度建模基本概念
維度模型是數據倉庫領域大師Ralph Kimall所倡導，他的《數據倉庫工具箱》，是數據倉庫工程領域最流行的數倉建模經典。維度建模以分析決策的需求出發構建模型，構建的數據模型為分析需求服務，因此它重點解決用戶如何更快速完成分析需求，同時還有較好的大規模復雜查詢的響應性能。
維度建模是專門應用于分析型數據庫、數據倉庫、數據集市建模的方法。數據集市可以理解為是一種小型數據倉庫。
1.1 事實表
發生在現實世界中的操作型事件，其所產生的可度量數值，存儲在事實表中。從最低的粒度級別來看，事實表行對應一個度量事件，反之亦然。
事實表表示對分析主題的度量。比如一次購買行為我們就可以理解為是一個事實。
圖中的訂單表就是一個事實表，可以理解他就是在現實中發生的一次操作型事件，每完成一個訂單，就會在訂單中增加一條記錄。
事實表的特征：表里沒有存放實際的內容，他是一堆主鍵的集合，這些ID分別能對應到維度表中的一條記錄。事實表包含了與各維度表相關聯的外鍵，可與維度表關聯。事實表的度量通常是數值類型(條/個/次)，且記錄數會不斷增加，表數據規模迅速增長。
1.2 維度表
維度表示要對數據進行分析時所用的一個量,比如你要分析產品銷售情況, 你可以選擇按類別進行分析,或按區域分析。這樣的按..分析就構成一個維度。上圖中的用戶表、商家表、時間表這些都屬于維度表。這些表都有一個唯一的主鍵，然后在表中存放了詳細的數據信息。
例如：交易金額分析分析
男性用戶的訂單金額、聯想商品的訂單金額、第一季度的訂單金額、手機的訂單金額、家里下單的訂單金額
例如：學生分析
姓張的同學有多少、男性的同學有多少、江蘇的同學有多少、身高小于170cm的同學有多少、年齡小于23歲的同學有多少。
每個維度表都包含單一的主鍵列。維度表的主鍵可以作為與之關聯的任何事實表的外鍵，當然，維度表行的描述環境應與事實表行完全對應。維度表通常比較寬，是扁平型非規范表，包含大量的低粒度的文本屬性。
總的說來，在數據倉庫中不需要嚴格遵守規范化設計原則。因為數據倉庫的主導功能就是面向分析，以查詢為主，不涉及數據更新操作。
事實表的設計是以能夠正確記錄歷史信息為準則。
維度表的設計是以能夠以合適的角度來聚合主題內容為準則。
二、維度建模三種模式
2.1 星型模型
星形模式(Star Schema)是最常用的維度建模方式。星型模式是以事實表為中心，所有的維度表直接連接在事實表上，像星星一樣。
星形模式的維度建模由一個事實表和一組維表成，且具有以下特點：
- 維表只和事實表關聯，維表之間沒有關聯;
- 每個維表主鍵為單列，且該主鍵放置在事實表中，作為兩邊連接的外鍵;
- 以事實表為核心，維度表圍繞核心呈星形分布
2.2 雪花模式
雪花模式(Snowflake Schema)是對星形模式的擴展。雪花模式的維度表可以擁有其他維度表的，雖然這種模型相比星型更規范一些，但是由于這種模型不太容易理解，維護成本比較高，而且性能方面需要關聯多層維表，性能也比星型模型要低。所以一般不是很常用。
2.3 星座模式
星座模式是星型模式延伸而來，星型模式是基于一張事實表的，而星座模式是基于多張事實表的，而且共享維度信息。
前面介紹的兩種維度建模方法都是多維表對應單事實表，但在很多時候維度空間內的事實表不止一個，而一個維表也可能被多個事實表用到。在業務發展后期，絕大部分維度建模都采用的是星座模式。
總結
好了本篇文章就分享到這里了，本篇文章主要講解了維度模型三種模式，在設計數倉的時候盡量將表設計為星星模型和雪花模型這樣的話我們在實現功能的時候就比較簡單，原因是星星模型和雪花模型架構基本上是一對多的。信自己，努力和汗水總會能得到回報的。我是大數據老哥，我們下期見~~~。
本文轉載自微信公眾號「大數據老哥」，可以通過以下二維碼關注。轉載本文請聯系大數據老哥公眾號。
