数据仓库-数据集市
概念
数据集市是数据仓库的一种简单形式,通常由组织内的业务部门自己建立和控制。一个数据集市面向单一主题域,如销售、财务、市场等。数据集市的数据源可以是操作型系统(独立数据集市),也可以是企业级数据仓库(从属数据集市)。
与数仓区别
范围
数仓:企业级
数据集市:部门级或业务线
主题
数仓:多个主题
数据集市:单一主题
数据源
数仓:遗留系统、事务系统、外部数据的多个数据源
数据集市:数据仓库或事务系统的少量数据源
数据粒度
数仓:较细的粒度
数据集市:较粗的粒度
数据结构
数仓:通常是规范化结构(3NF)
数据集市:星型模型、雪花模型、或者两者混合
历史数据
数仓:全部历史数据
数据集市:部分历史数据
完成需要的时间
数仓:几个月到几年
数据集市:几个月
设计
数据集市主要用于部门级别的分析型应用,数据大都是经过了汇总和聚合操作,粒度级别较高。
数据集市一般采用维度模型设计方法,数据结构使用星型模式或雪花模式。
设计维度模型先要确定维度表、事实表和数据粒度级别,下一步是使用主外键定义事实表和维度表之间的关系。
数据集市中的主键最好使用系统生成的自增的单列数字型代理键。
模型建立好之后,设计ETL步骤抽取操作型源系统的数据,经过数据清洗和转换,最终装在进数据集市中的维度表和事实表中。
![](https://i-blog.csdnimg.cn/blog_migrate/e1b2c5fe817caee04f308e8d6a2a8e08.png)