一、ER实体模型
概念
定义:在信息系统中,将事物抽象为“实体”、“属性”、“关系”来表示数据关联和事物描述;实体:Entity,关系:Relationship,这种对数据的抽象建模通常被称为ER实体关系模型
实体:通常为参与到过程中的主体,客观存在的,比如商品、仓库、货位、汽车,此实体非数据库的实体表
属性:对主体的描述、修饰即为属性,比如商品的属性有商品名称、颜色、尺寸、重量、产地等
关系:现实的物理事件是依附于实体的,比如商品入库事件,依附实体商品、货位,就会有“库存”的属性产生;用户购买商品,依附实体用户、商品,就会有“购买数量”、“金额”的属性产品。
实体之间建立关系时,存在对照关系:
1:1 ,即1对1的关系,比如实体人、身份证,一个人有且仅有一个身份证号
1:n,即1对多的关系,比如实体学生、班级,对于某1个学生,仅属于1个班级,而在1个班级中,可以有多个学生
n:m,即多对多的关系,比如实体学生、课程,每个学生可以选修多门课程,同样每个课程也可以被多门学生选修
案例
场景:课程管理系统
该系统主要用来管理某校教师、学生、课程,其中包括课程选修、考试、教师授课、学生班级管理功能,现需要完成数据库逻辑模型设计
- ER
- IDEF1X
应用场景
ER模型是数据库设计的理论基础,当前几乎所有的OLTP系统设计都采用ER模型建模的方式
Bill Inom提出的数仓理论,推荐采用ER关系模型进行建模
BI架构提出分层架构,数仓底层ods、dwd也多采用ER关系模型就行设计
二、维度建模
概念
维度建模将数据仓库中的表划分为事实表、维度表两种类型。维度建模最被人广泛知晓的一种方式就是星型模式。
维度 : 度量的环境,用来反映业务的一类属性。
顾名思义,看待事物的角度。比如从颜色、尺寸的角度来比较手机的外观,从cpu、内存等较比比较手机性能。
维度表一般为单一主键,在ER模型中,实体为客观存在的事物,会带有自己的描述性属性,属性一般为文本性、描述性的,这些描述被称为维度。
比如商品,单一主键:商品ID,属性包括产地、颜色、材质、尺寸、单价等,但并非属性一定是文本,比如单价、尺寸,均为数值型描述性的,日常主要的维度抽象包括:时间维度表、地理区域维度表等。
比如:
事实表 : 维度模型的基本表,每个数据仓库都包含一个或者多个事实数据表。
阿里巴巴电商系对于维度建模有一些非常好的扩展补充,例如维度表可以分为快照维表、缓慢变化维表等,事实表可以分为事务事实表、周期快照事实表和累计快照事实表。
在ER模型中抽象出了有实体、关系、属性三种类别,在现实世界中,每一个操作型事件,基本都是发生在实体之间的,伴随着这种操作事件的发生,会产生可度量的值,而这个过程就产生了一个事实表,存储了每一个可度量的事件。如:一次购买事件,涉及主体包括客户、商品、商家,产生的可度量值=包括商品数量、金额、件数等。
设计步骤
- 选择需要进行分析决策的业务过程。业务过程可以是单个业务事件,比如交易的支付、退款等;也可以是某个时间的状态,比如当前的账户余额等;还可以是一系列相关业务时间组成的业务流程,具体需要看我们分析的某些事件发生情况,还是当前状态,或是事件流转效率。
- 选择粒度。在事件分析中,我们要预判所有分析需要细分的程度,从而决定选择的粒度。粒度是维度的一个组合。
- 识别维度。选择好粒度之后,就需要基于此粒度设计维度,包括维度属性,用于分析时进行分组和筛选。
- 选择事实。确定分析需要衡量的指标
案例
某电商平台,经常需要对订单进行分析,以某宝的购物订单为例,以维度建模的方式设计该模型
涉及到事实表为订单表、订单明细表,维度包括商品维度、用户维度、商家维度、区域维度、时间维度
商品维度:商品ID、商品名称、商品种类、单价、产地等
用户维度:用户ID、姓名、性别、年龄、常住地、职业、学历等
时间维度:日期ID、日期、周几、上/中/下旬、是否周末、是否假期等
优惠券:券ID、券类别、优惠金额
订单中包含的度量:商品件数、总金额、总减免
描述性属性:下单时间、结算时间、订单状态等
订单明细包含度量:商品ID、件数、单价、减免金额
描述性熟悉:入购物车时间、状态
建模
星型模型和雪花模型
维度建模通常又分为星型模型、雪花模型
所以由上可以看出,星型模型和雪花模型主要区别就是对维度表的拆分,对于雪花模型,维度表的涉及更加规范,一般符合3NF;而星型模型,一般采用降维的操作,利用冗余来避免模型过于复杂,提高易用性和分析效率
上面的案例,对于商品再拆分出厂家、品类;用户的常住地再拆分出区域维度,改造为雪花模型
雪花和星型对比
冗余:雪花模型符合业务逻辑设计,采用3NF设计,有效降低数据冗余;星型模型的维度表设计不符合3NF,反规范化,维度表之间不会直接相关,牺牲部分存储空间
性能:雪花模型由于存在维度间的关联,采用3NF降低冗余,通常在使用过程中,需要连接更多的维度表,导致性能偏低;星型模型反三范式,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连接数,性能较雪花模型高
ETL: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;星型模型在设计维度表时反范式设计,所以在ETL过程中整合业务数据到维度表有一定难度,但由于避免附属维度,可并行化处理
三、dataValue模型
概念
Data Vault是在ER模型的基础上衍生而来,Data Vault模型是一种中心辐射式模型,模型设计的初衷是有效的组织基础数据层,使之易扩展、灵活的应对业务的变化,同时强调历史性、可追溯性和原子性,不要求对数据进行过度的一致性处理;并非针对分析场景所设计。
Data Vault模型更容易设计,ETL过程中更易配置化实现。Hub想像成人体的骨架,那么Link就是连接骨架的韧带组织,
而satelite就是骨架上的血肉。Data Vault是对ER模型更近一步的规范化,由于对数据的拆解和更偏向于基础数据组织,在处理分析类场景时相对复杂,适合数仓低层构建,目前实际应用场景较少
基本结构
中心表-HUB
唯一业务键的列表,唯一标识企业实际业务,企业的业务主体集合
只包含业务主键信息以及数据装载的描述,不包含非键值以外的业务数据属性本身;比如中心表商品,在DataVault如下,商品属性以及描述信息,都属于卫星表的范畴
链接表-Link
表示中心表之间的关系,通过链接表串联整个企业的业务关联关系
链接表用来描述中心表间的关联关系,亦不包含业务键值以及数据装载描述以外的任何非键值数据,比如学生选课链接表,其设计如下,与选课相关的课时数等描述信息,都属于卫星表的范畴。
卫星表- Satellite
历史的描述性数据,数据仓库中数据的真正载体
数仓中数据的主要载体,包括对链接表、中心表的数据描述、数值度量等信息,中心表商品、订单明细的卫星表
分别如下:
案例
对上面已经讨论到的学生选课ER模型,进行DataVault模型重构,ER原模型如下:
重构原则:
I. 梳理所有主要实体
II. 将有入边的实体定义为中心表
III. 将没有入边切仅有一个出边的表定义为中心表
IV. 源库中没有入边且有两条或以上出边的表定义为连接表
V. 将外键关系定义为链接表
改造完后的大概模型
四、Anchor
概念
Anchor是对Data Vault模型做了更近一步的规范会处理,初衷是为了设计高度可扩展的模型,核心思想是所有的扩张只添加而不修改,于是设计出的模型基本变成了k-v结构的模型,模型范式达到了6NF由于过度规范化,使用中牵涉到太多的join操作,目前木有实际案例,仅作了解
基本结构
Anchors
类似Data Valut的Hub,代表业务实体且只有主键
Attributes
类似Data Valut的Satellite,但更加规范化,将其全部K-V结构化,一个表只有一个属性描述
Ties
类似Data Valut的Link,就是Anchors之间的关系
Knots
代表那些可能会在多个Anchors中公用的属性的提炼,比如说性别,状态等这种枚举类型且被公用的属性
在以上四个基本对象的基础上,又可以细分为历史和非历史的,其中非历史的会以事件戳加多条记录的方式来记录数据的变迁历史。
五、总结
以上为四种基本的建模方法,当前主流建模方法为:ER模型、维度模型
ER模型常用于OLTP数据库建模,应用到构建数仓时更偏重数据整合,站在企业整体考虑,将各个系统的数据按相似性一致性、合并处理,为数据分析、决策服务,但并不便于直接用来支持分析。
问题:
- 需要全面梳理企业所有的业务和数据流
- 实施周期长
- 对建模人员要求高
维度建模是面向分析场景而生,针对分析场景构建数仓模型;重点关注快速、灵活的解决分析需求,同时能够提供大规模数据的快速响应性能。针对性强,主要应用于数据仓库构建和OLAP引擎低层数据模型。
问题:
- 不需要完整的梳理企业业务流程和数据
- 实施周期根据主题边界而定,容易快速实现demo