数据仓库模型设计
- 一、数据模型
- 二、关系模型
- 三、维度模型
- 1、事实表
- （1）事务事实表
- （2）周期快照事实表
- （3）累计快照事实表
- （4）无事实的事实表
- 2、维度表
- 3、维度模型类型
- （1）星型类型
- （2）雪花模型
- （3）星座模型
- 4、维度模型 VS 关系模型
- 四、模型设计方法
- 1、泛化
- 2、子类
- 3、抽象
一、数据模型
数据模型（DATA MODEL, DM）: 用于提供数据表示和操作手段的形式架构。
概念模型（Concept Data Model, CDM）：
- 定义了重要的业务概念和彼此的关系
- 由核心实体或其集合，及实体间的业务关系组成
逻辑模型（Logical Data Model, LDM）:
- 对概念数据模型进一步分解和细化
- 描述实体、属性、以及实体与实体之间的关系
物理模型（Physical Data Mode, PDM）:
-
描述模型实体的细节，对数据冗余与性能进行平衡
-
关注数据库的物理实现，解决细节技术问题
-
需要考虑数据类型、长度、索引等因素
-
需确定数据平台和架构
二、关系模型
关系模型：通过实体关系（E-R）描述企业业务和业务规则。
- 实体：客观存在并且可以相互区别的事物
- 关系：描述实体间的关联性
- 属性：用来描述一个事物的最基本元素
3NF：
- 每个属性值唯一，不具有多义性（字段不可分）
- 每个非主属性必须完全依赖整个主键，而非部分主键（表不可分）
- 每个非主属性不能依赖其它关系中的属性，即不存在间接依赖（表不可分）
三、维度模型
维度模型：一种趋于支持最终用户，从分析决策的需求出发的数据模型
维度模型分为：维度表、事实表
1、事实表
事实表（Fact）:是维度建模中最基本的表，存放业务度量数据，例如数量、金额、汇总等流水和快照数据。
- 数仓维度建模的核心，围绕业务过程进行设计
- 通过获取表述业务过程的度量来表达业务过程
- 包含了应用的维度和业务过程有关的度量
事实表的基本结构：
- 一个或多个数值型的度量字段
- 一组关联到维表的外键，而这些维表提供了事实表度量的上下文
- 一个或者多个退化维度（Degennerate Dimensions））——存在于事实表，但不是外键，不关联任何维表，可能是事实表的主键。
（1）事务事实表
- 用来描述业务过程，跟踪空间或时间上某点的度量事件；
- 保存的是最原子的数据，也称为“原子事实表”、“交易事实表”
（2）周期快照事实表
周期快照事实表表现得是一个时间段，或者规律性得重复。适合跟踪长期的过程。
周期快照表特点：
- 事务事实表只记录当天发生的业务过程。
- 快照事实表无论当天是否有业务发生都会记录一条。
（3）累计快照事实表
- 用于描述有明确开始和结束的过程，如合同履行，保单受理等。
- 累计快照表不适合长期连续处理，如跟踪银行账户。
- 累计快照事实表的粒度是一个实体从创建到当前状态的完整历史。
- 适合研究事件之间的时间间隔
特点：
- 事务事实表仅记录事务发生时的状态，对于实体的某一实例不再更新，累积快照事实表则对某一实例 定期更新。
- 适合于具有明确起止时间的短生命周期的实体。对于较长生命周期的实体，一般采用周期快照事实表比较合适。
（4）无事实的事实表
事件类：没有具体测量值，如用事实表记录交通事故事件。
条件、范围、资格类：客户和销售人员的分配情况，产品的促销范围等。
2、维度表
维度表（Dimension）：对数据进行分类的表，用于从特定的角度观察数据。维度是事实表的入口点，维度通常是反范式的，通常占总数据的10%左右。
基础结构：
- 代理键：一个无意义的，唯一标识的字段；维表的主键，事实表的外键；
- 自然键：一个或多个字段，从源系统抽取来的有意义的字段；
- 描述属性：静态或者变化比较慢的字段；会有多个
缓慢变化维：
维度的属性并不是静态的，它会随着时间的流逝发生缓慢的变化；
与数据增长较为快速的事实表相比，维度的变化相对缓慢；
在Kimball理论中，有三种处理缓慢变化维的方式：
- 重写维度值
- 插入新的维度行
- 添加唯独列
重写维度值：不保留历史数据，始终取最新数据。
插入新的维度行：保留历史数据，如商品item1的所属类目变化后，插入一条新事务代理键为1001的维度数据，则订单9001使用新的代理键。
添加维度列： 生成新的一列而不是新的一行。保留历史数据，可以使用任何一个维度列。
维度表的规范化与反规范化：
- 规范化可以有效避免数据冗余导致的不一致问题；
- 反规范化没有丢失信息，且复杂性降低了；
- 规范化的雪花模式，可以节约部分存储，但会损耗一定的查询性能
- 实际应用中总是使用维表的空间来换取简明性和查询性能
3、维度模型类型
（1）星型类型
- 表达维度和事实之间单层关系的模型
- 事实和每个维度之间都是直连关系
- 不同维度之间没有任何联系
优点：
- 简化查询
- 简化业务报表逻辑
- 提升查询性能
- 快速聚合
（2）雪花模型
- 基于星型模型的拓展
- 对星型模型的维度表进行了范式化处理，一个维度被规范成多个关联的表
- 表达了维度和事实之间的多层关系
优点：节省存储空间
（3）星座模型
星型模型延申，多张事实表，且共享维度表。
4、维度模型 VS 关系模型
关系模型：
优点：稳定，低冗余；
缺点：性能弱；
场景：传统金融业
维度模型
优点：性能好，易理解
缺点：稳定性弱、高冗余
场景：互联网行业
四、模型设计方法
1、泛化
由具体的、个别的到一般的过程；
优点：
- 实体能够保罗万象，提高模型的稳定性、泛化能力。如新增存储一种具体对象，无需新增实体；
- 泛化后的数据模型可以减少实体的个数，无需为每个具体的业务对象分别建立相关历史实体；
缺点
- 业务可理解性变弱；
- 计算性能影响
2、子类
- 对于具有泛化层次关系的实体，实体的上一级称为父类实体，实体的下一级称为子类实体； 父子层级可能存在多个层级
- 一般将公共属性放在父类实体，个性化属性放在子类实体；
- 排他性父子类关系：即一条父类数据只能有一种子类；
- 非排他性父子类关系：即一条父类可能有多种子类；
优点：
- 清晰展现业务主题之间的关系；
- 减少子类的附属实体个数；
- 数据模型的稳定性和可扩展性
缺点：
- 计算性能影响；
3、抽象
为确保模型结构（对字段的抽象）能够适应于各种场景，以一种特定的方式移除细节但仍能保留属性的设计模式。
优点：
- 提升数据模型机构的稳定性和可扩展性，当新增一种客户联系方式，如微信号，模型结构无需变化，只需在现有的数据模型实体里增加内容
缺点：
- 业务可理解性变弱
- 计算性能影响
