数仓建模——星型模型和雪花模型

在多维分析的商业智能解决方案中,根据事实表和维度表的关系,又可将常见的模型分为星型模型和雪花型模型。在设计逻辑型数据的模型的时候,就应考虑数据是按照星型模型还是雪花型模型进行组织。

当所有维表都直接连接到“ 事实表”上时,整个图解就像星星一样,故将该模型称为星型模型。

 

这个模型不设计指标表,只是维度表和事实数据表,事实表里就是埋点日志,日志表头含有维度字段作为主键。

 

星型模式是多维的数据关系,它由事实表和维表组成。

每个维表中都会有一个维作为主键,

所有这些维的主键结合成事实表的主键。

事实表的非主键属性称为事实,它们一般都是数值或其他可以进行计算的数据。

 

星型模型与雪花模型,应该是数仓面试者最喜欢提的问题,也是比较容易理解的概念。

1.星型架构是一种非正规化的结构,多维数据集的每一个维度都直接与事实表相连接,不存在渐变维度,所以数据有一定的冗余,例图如下:

星型模型

2.

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
星型模型雪花模型都是数据仓库中常见的数据建模结构,它们的主要区别在于维度表的结构和组织方式。 1. 星型模型星型模型是一种简单且直观的数据建模结构,其中一个中心的事实表与多个维度表通过外键关联。事实表包含了度量(数值)数据,而维度表包含了描述度量数据的属性。特点如下: - 中心的事实表:星型模型中只有一个中心的事实表,它包含了业务过程中的度量数据,例如销售金额、订单数量等。 - 扁平的维度表:维度表与事实表直接关联,维度表通常以扁平的结构存储,每个维度对应一个表,例如时间维度、产品维度、地理维度等。 - 简单易懂:星型模型结构简单、直观,易于理解和查询。它适用于较小规模的数据仓库和简单的分析需求。 2. 雪花模型雪花模型是在星型模型基础上进一步规范化的数据建模结构,它通过多个层级的维度表来组织数据。特点如下: - 规范化的维度表:雪花模型中的维度表被进一步规范化,即将维度表的属性分解为更小的子表。这些子表通过主键和外键关联,形成多层级的维度结构。例如,在产品维度中,可以将产品信息拆分为产品类别表、产品子类别表和产品表。 - 更高的数据规范性:雪花模型通过规范化减少了数据冗余,提高了数据的一致性和准确性。但同时也增加了查询的复杂性。 - 复杂查询:由于存在多层级的关联,查询雪花模型需要进行更多的关联操作。这可能会增加查询的开销和复杂性。 - 适用于大规模数据仓库:雪花模型适用于大规模数据仓库和复杂的分析需求,可以提供更灵活和精细的数据分析能力。 总结: 星型模型适用于简单的数据仓库和分析需求,结构简单易懂;雪花模型适用于大规模数据仓库和复杂的分析需求,通过规范化提高了数据一致性,但查询复杂度较高。选择合适的模型取决于具体的业务需求和数据特点。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值