数据仓库-读书笔记一

DW／Bi系统业务有哪些需求（要求）

1. 方便的存取数据
2. 必须以一致的形式展现信息
3. 能够适应变化
4. 及时展现信息
5. 数据安全
6. 成为提高决策制定能力的权威和可信的基础
7. 业务群体接受DW／BI系统

DW／Bi系统人员有哪些需求（要求）

1. 技能要求
       具有较好的信息技术基础并且了解业务
       既需要了解数据库管理的技能，也包括商业分析师的
   技能。
2. 职责描述
       理解用户
       发布高质量、相关的、可访问的信息和分析
       维护DW／BI环境

---

维度建模简介

1. 作用

    以商业用户可理解的方式发布数据
    提供高效的查询性能
注意：维度模型包含的信息与规范化模型包含的信息相同，但将数据以一种用户可以理解的满足查询性能要求的，灵活多变的方式进行了包装。

2. 星型模式与OLAP多维数据库

OLAP采用预计算、索引策略、其它优化方法，多维数据可实现高性能查询。
OLAP提供良好的分析性能，方便上钻和下钻操作
OLAP提供大量的健壮的分析函数
通常是推荐将详细的，原子的信息加载到星型模式中，然后将OLAP多维数据库移植到星型模式上。

OLAP部署的注意事项
1，构建于关系数据库之上的星型模式是建立OLAP多维数据库的良好物理基础。也是备份和恢复的良好的、稳定的基础
2，OLAP对比RDBMS的性能优势，这一优势随着计算机硬件和软件的发展变得没那么重要
3，在不同的OLAP工具之间建立BI应用比在不同关系数据库之间建立BI更困难。
4，OLAP多维数据通常比RDBMS提供更多的复杂安全选项。例如限制访问细节数据
5，OLAP提供比RDBMS更加丰富的分析能力
6，OLAP方便支持缓慢变化维度类型2变化。但是当需要使用其它缓慢变化维度技术重写数据时，多维数据库通常需要被全部或者部分的重新处理
7，OLAP方便支持事务和周期性快照事实表，由于重写数据的限制而无法处理累计快照事实表
8，OLAP支持具有层次不确定的复杂不规则层次结构。例如：组织结构图或物料表
9，OLAP相对于关系数据库，能实现对下钻层次的维度关键词结构提供更加详细的约束
10，一些OLAP产品无法确保实现维度角色和别名，因此需要定义不同的物理维度

3. 用于度量的事实表

事实定义： 表示某个业务度量
存储什么内容： 组织机构业务过程事件的性能度量结果。
存储原则： 将来源于同一个业务过程的底层度量结果存储于一个维度模型中。
为什么这么存储： 因为数据量巨大。
事实有哪些类型： 可加，半可加，不可加
事实表的粒度的类型： 事务，周期性，累计快照
注意事项：
    1，允许多个组织的业务用户访问同一个单一的集中式数据仓库，确保他们能在整个企业中使用一致的数据。
    2，物理世界的每个度量事件对应的事实表行具有一对一的关系。每行的数据是一个特定级别的细节(粒度)数据
    3，同一个事实表的度量行比具有相同的粒度

4. 用于描述环境的维度表

存储的内容：包含于业务过程度量事件有关的文本环境
维度表的语意：“谁(who)，什么(what)，哪里(where)，何时(when)，为什么(why)，如何(how)”
维度表的特点： 通常有多列(多个属性)，和事实表比较 维度表通常小的多，单一主键
作用：是用于和事实表连接操作时实现参照完整性的基础，可作为查询约束、分组、报表标识。
注意：
    1，尽量减少在维度表中使用代码，将代码替换为详细的文本属性。尽量减少他们对代码转换注释的依赖。
    2，为维度属性提供详细的业务术语耗费的精力越多，效果越好，强大的维度属性带来的回报是健壮的分片-分块能力。
    3，连续值数字基本上可以认为属于事实，来自于不太大列表的离散数字基本可以认为是维度属性
    4，维度表可以冗余，不一定要满足第三范式，通常是非规范化的。对于维度表的存储空间的权衡 往往 关注 简单性和可访问性；是否方便使用，是否能提高查询性能。

5. 星型模式中维度与事实的连接

---

参考资料

数据仓库工具箱

---

如果您觉得我用心了，觉得您有所收获，麻烦关注下我吧，您的关注就是我的动力，因为我不是一个人在前行。