数据建模-关系模型、维度模型

数据仓库接典型的两种数据仓库建模的理论是维度建模和基于主题域的实体关系建模，这两种方式分别以Kimball和Immon两位大师为代表。

Kimball：维度建模以数据分析需求为驱动，倡导总线架构：一致的事实和一致的维度，这种数据模型易于用户理解和数据分析操作。

Immon：基于主题域的实体关系建模以源系统数据为驱动，整合企业的所有数据，站在企业级的高度对数据进行抽象，整合，采用3NF的实体关系理论建模，这种数据建模方式以更为抽象的方式尝试建立一个相对稳定的数据模型，并能描述企业级的数据关系。

优劣
1. 对于涉及多表连接以及聚合计算的查询请求，关系模型不如维度模型查询效率高
2. 维度模型更适合作为分析型应用（OLAP、BI）的基础——易用，易理解，查询效率高
3. 关系模型更适于频繁update、insert的应用（事务型应用）

在实践中往往把两种方式结合起来运用数据仓库的不同数据层次结构中。

针对采用基于主题域的实体关系建模中数据整合的方式三种思路：

以属性聚集的方式同一主题域中不同实体的属性。比如对于会员、公司、客户等等实体对象我们都有地址属性信息、名称标识属性信息等等，这种思路就是把属性内聚性高的字段整合在一起，并把不同的属性打上类型标识以树表的形式存放。

它的优点是：
第一，模型稳定性好，外围系统变化了字段，只需要添加不同的类型，不需要进行表结构的变更；
第二，减少大量冗余记历史数据。它的缺点是：第一，丢失了很多实