数据仓库中的ER实体模型和维度模型

一、数据仓库建模的意义

一个公司中会有多个业务业务系统，比如：OA系统、订单系统、财务系统、人事系统、仓储系统等，因此需要按照一定的组织结构将所有数据都整合起来，形成一个仓储平台。如果只是通过工具把所有的数据同步到同一个平台，这个过程只是在堆积数据，不仅会因数据冗余造成存储空间的浪费，也会因各系统部数据的差异导致需求指标计算错误。

二、ER实体模型

在数据系统中，将事物抽象为实体(Entity)、关系(Relationship)、属性来表示数据关联和事物的描述，这种对数据的抽象建模通常被称为ER实体关系模型

1、实体
一般是参与到过程的中主体，客观存在的，比如商品

2、属性
对主体的描述，比如商品的名称、颜色、尺寸等

3、关系
实体与实体之间产生的联系，比如商品与仓库，商品入库时就会产生库存

4、实体与实体之间的对照关系：
(1)1:1
1对1的关系，比如人与身份证之间，每个人只有一个身份证

(2)1：n
1对多的关系，比如学生与班级之间的关系，1个学生只属于一个班级，一个班级中可以有多个学生

(3)n：n
多对多的关系，比如学生与课程之间，每个学生可以选择多门课程，每门课程会有多个学生选择

注：通常在建模过程中，实体用矩形表示，关系用菱形表示、属性用椭圆表示，因此ER实体关系模型也称作E-R关系图

5、应用场景
ER模型是数据库设计的理论基础，几乎应用于所有的OLTP系统建模中，此外，在数据仓库的底层ods、dwd也多采用ER关系模型

三、维度模型

在维度建模过程中，可以将数据仓库中的表划分为事实表和维度表两种类型

1、事实表
在ER模型中抽象出了实体、关系、属性三种类型，每个操作型事件都会产生一个事实表，其中涉及到多个实体，比如：购物下单事件中涉及的主体包括客户、商品、商家，产生可度量值包括商品数量、金额、件数等

2、维表
维度就是看待事物的角度，维表一般为单一主键，在ER模型中，实体会带有自己描述性的属性，这些属性就称为维度。比如：商品的产生、颜色、单价等

3、模型
维度建模常用的类型有星型模型、雪花模型、星座模型。
(1)星型模型
由一个事实表和一组维表组成，且所有维表直接与事实表相连。其特点是不存在渐变维度，有一定数据冗余，效率相对较高。在维表设计方面通常采用降维的方式，通过数据冗余来简化模型，以提高模型易用性和分析效率，标准的星型模型只有一层维度

(2)雪花模型
由一个事实表和多个维表组成，且有一个或多个维表通过其他维表与事实表相连。其特点是数据冗余较少，但由于表连接的增加，导致效率相对较低。其设计通常遵循3NF关系模式，但是往往无法严格遵守，因为需付出的性能成本较高

(3)星座模型
通常基于多个事实表，且多个事实表之间共享一些维度表，往往应用于数据关系比星型模型和雪花模型更复杂的场合

4、星型与雪花模型的对比
(1)数据冗余
星型模型的维表设计不遵循3NF关系模式，维表之间不会直接相连，牺牲了部分存储空间；雪花模型符合业务逻辑设计，采用3NF关系模式，有效降低了数据冗余

(2)模型性能
星型模型违反3NF关系模式，采用降维的操作将维度整合，以存储空间为代价有效降低维度表的连接数数量，性能较雪花模型高；雪花模型由于存在维度间的关联，采用3NF关系模式降低冗余，通常在使用过程中，需要连接更多维表，导致性能偏低

(3)ETL难度
星型模型在设计维度表时违反3NF关系模式，所以在ETL过程中整合业务数据维度表有一定的难度，但由于避免附属维度，可并行化处理；雪花模型符合业务ER模型设计原则，在ETL过程中相对简单，但是由于附属模型的限制，ETL任务并行化较低

5、模型选择
在工作中常用的设计模型为星型和雪花模型，在开发工作中通常会两者并存，同时保存单层维度和多层维度，从整体而言，星型模型的维度较少，从而减少了多表间的join连接，使得shuffle减少，性能较好