数据仓库设计思路

数据仓库一些设计思路和总结

1、数据仓库模型设计分为概念模型、逻辑模型和物理模型；数据仓库建模方法：实体关系模型、维度建模。数据仓库逻辑模型设计：确定主题域->粒度层次划分->确定数据分割策略->关系模式确定。数据仓库物理模型设计：确定数据存储结构->确定数据仓库索引策略->对表归并优化存储分配。

2、维度建模-维表设计原则：维表用文本属性取代编码，维表属性对应的是分析的角度。维度可以分为层次和级别，一个层次多个级别，可以设计一张表多个字段也可以设计成单表。维度建模-事实表设计原则：粒度是用来刻画事实，粒度自身可理解为不同层次维度。粒度设计原则：多粒度设计建立事实表族。

3、维度建模步骤：确定分析主题->定义粒度->确定维度->确定分析指标事实表。维度模型中维度表是非规范化的平面表，维度表的规范化处理一般称为雪花处理，雪花处理可以减少数据冗余，但是因为要连接多张表查询性能会下降。

4、衡量一个指标是维元素还是维属性的原则：作为维属性的通常是离散型数据，只允许有限值；作为维元素是连续型数据；同时还要考虑指标占用存储空间与相关查询使用频度，对于频度高存储大的指标设计为维元素。

5、事实表是数据仓库核心，一般记录数很大，需要设置复合主键和索引，以提高查询性能，如果前端需要连接数据仓库查询，还要建立相关中间汇总表或物化视图提高查询效率。对与有千万行数据量的事实表的分区优化方案。

6、变化数据捕获方式：触发器(快照)方式、时间戳、日志表方式、全表比对、全表删除插入。 

7、数据仓库主题域中定义数据仓库总线矩阵：

   数据仓库总线矩阵：

维度 主题	日期	地域	账号	卡号
存款业务
贷款业务