互联网电商大数据环境 ——大数飓数据分析实践培训精华笔记(四)——维度建模基础理论

维度建模基础理论


事实表
事实表保存了大量业务度量数据（即事实）的表。最有用的事实是数字类型、可加类型。
事实表以粒度化分：事务粒度事实表（细）、周期快照粒度事实表、累积快照粒度事实表（粗）。
事实表的粒度决定了数据仓库中数据的详细程度。
事实表中一般只存放数字或标志用来做统计，如数量、收益
事实表举例：维ID，维ID，收益，数量，支出，毛利


维度表
用户分析数据的窗口，包含事实数据表中事实记录的特征（或提供描述性信息，或指定如何汇总有数据以便分析者提供有用信息）
维度表举例：客户ID，客户姓名，年龄,...


粒度grain
数据的详细程度。粒度越细，数据量越大，存储空间大，查询性能慢


层次hierarchy
举例：省－市－县；年－月－日


维度建模三种模型
星形模型：事实表被维度包围，维度表和事实表通过主关键字和外关键字联系在一起，且维度没有被新的表连接。用的最多。
雪花模型：事实表被多个维表或一个或多个层次所包围，一般在处理大的且相对静态的层次时使用。
多维模型


建模一般过程
1. 确实每个事实表粒度
2. 确定维度的属性
3. 确定维度的层次
4. 确定每个事实所需要关联的维度
5. 确定数字型事实，包括预先计算的
6. 确定缓慢变化维