一、为什么要建立数仓
1.数据存储在互不兼容的系统之中
2.关系型数据库一般不存日志数据
3.决策者需要从商业角度分析数据,关系型数据库不合适
二、三范式建模
第一范式:保证列的原子性,每一列都是不重复的,不可再拆分 的原子列。
第二范式:保证行的原子性,每一行都有唯一的主键,其他字段的值与主键一一对应。
第三范式:保证表的原子性,每张表中的数据不会冗余,一旦有冗余字段,就需要拆一张表出来,用外键与主表关联。
三、数据仓库建模
数据仓库建模方法论可分为:维度建模、范式建模、Data Vault模型、Anchor模型。
1.维度建模
由Ralph Kimball提出,维度建模主要面向分析场景(OLAP,On-line Analytical Processing)
- 事实表(维度列+度量列)
- 维度表:存储描述度量数据的各个方面的信息。维度表主要包含一个主键和各种维度字段,维度字段称为维度属性。
- 星型模型:一个事实表对应多个维度表
- 星座模型:多个事实表公用维度表
- 雪花模型:事实表对应多个维度表,维度表对应下一级维度表
- 星型模型和雪花模型比较:
- 星型模型是违范式模型,雪花模型是范式模型
- 星型模型分析效率高于雪花模型
- 企业数据仓库多用星型模型和星座模型
四、数据仓库分层
- ODS层(Operational Data Store):操作数据层(贴源层、数据引入层),将不同系统的数据汇聚过来。
- DW层(data warehouse 数据仓库):
- DWD层(data warehouse detail 数据明细层):数据清洗
- DWM层(data warehouse middle 数据中间层):聚合、统计、计算
- DWS层(data warehouse service 数据服务层):按照主题业务组织主题宽表,用于OLAP分析
- DM层(Data Mart 数据集市层):整合汇总报表数据
范式建模:源数据、ods、dwd
维度建模:DWM、DWS、DM
分层的好处:1.清洗的数据结构 2.减少重复开发 3.统一数据出口 4.简化问题