数据建模理论小结：Inmon和Kimball

看了这么多数仓模型的对比文章，我想把我总结的一些东西记录下来。

 

说到数仓建模，那么肯定离不开两种方式：范式建模（Inmon）和维度建模（kim ball）。这两种方式各有适用的地方，需要根据具体应用场景进行选择。当然还有一种独立数据集市的方法，不过这种方法容易造成很多数据烟囱以及数据孤岛（没有一致性维度和一致性事实的支持，是无法支持支持多主题区域，并且使得各个数据集市成为信息孤岛，缺乏兼容性。），无法广泛性的运用，这里就不讨论了。

Inmon

Inmon建模的方式是自下而上的，那么什么是自下而上呢？我的理解是先打好广而全的数据基础，考虑当下业务场景中的所有可能，基于范式建模的理念去设计数据仓库，然后基于各种业务场景去开发数据集市以及BI应用。

 

Kimball

而kimball的方式是自上而下的，这种方式就不用考虑很大的框架，针对某一个数据域或者业务进行维度建模，得到最细粒度的事实表和维度表，形成适用于某一个数据域、业务的数据集市之后，再集成各个数据集市为数据仓库。这其中的要点就是保持各集市之间的一致性维度和一致性事实，不然在集成为数据仓库的时候很麻烦，会无法确认各个集市之间的数据具有关联性、通用性。kimball的这种范式就是开发速度比较快，相