数仓模型设计有几种？分别是什么？大数据企业级实战-13天玩转千亿级数仓项目免费学！

数仓模型设计有几种？好的数仓项目应看架构以及所用到的模型，维度建模是专门应用于分析型数据库、数据仓库、数据集市建模的方法。数据集市可以理解为是一种小型数据仓库。

维度模型是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能。

维度表示要对数据进行分析时所用的一个量,比如你要分析产品销售情况, 你可以选择按类别进行分析,或按区域分析。这样的按..分析就构成一个维度。上图中的用户表、商家表、时间表这些都属于维度表。这些表都有一个唯一的主键，然后在表中存放了详细的数据信息。

事实表发生在现实世界中的操作型事件，其所产生的可度量数值，存储在事实表中。从最低的粒度级别来看，事实表行对应一个度量事件，反之亦然。
数据仓库中不需要严格遵守规范化设计原则。因为数据仓库的主导功能就是面向分析，以查询为主，不涉及数据更新操作。事实表的设计是以能够正确记录历史信息为准则。维度表的设计是以能够以合适的角度来聚合主题内容为准则。

数仓模型设计维度建模三种模式：

1、 星型模型

星形模式(Star Schema)是最常用的维度建模方式。星型模式是以事实表为中心，所有的维度表直接连接在事实表上，像星星一样。
星形模式的维度建模由一个事实表和一组维表成，特点：维表只和事实表关联，维表之间没有关联;每个维表主键为单列，且该主键放置在事实表中，作为两边连接的外键;以事实表为核心，维度表围绕核心呈星形分布

2、雪花模式

雪花模式是对星形模式的扩展。雪花模式的维度表可以拥有其他维度表的，虽然这种模型相比星型更规范一些，但是由于这种模型不太容易理解，维护成本比较高，而且性能方面需要关联多层维表，性能也比星型模型要低。所以一般不是很常用。

3 、星座模式

星座模式是星型模式延伸而来，星型模式是基于一张事实表的，而星座模式是基于多张事实表的，而且共享维度信息。前面介绍的两种维度建模方法都是多维表对应单事实表，但在很多时候维度空间内的事实表不止一个，而一个维表也可能被多个事实表用到。在业务发展后期，绝大部分维度建模都采用的是星座模式。

推荐学习：大数据企业级实战 13天玩转千亿级数仓项目
http://yun.itheima.com/course/823.html?2010stt

基础课程主讲内容包括：

阶段一：千亿级实时数仓项目总体介绍

1. 数据仓库在企业里面的重要性

2. 千亿级实时数仓的项目演示

 

阶段二： 数据建模的应用

1. 为什么要数据建模

2. 维度和指标的概念

3. 指标和维度建模案例

 

 

阶段三. 数据仓库从0到1的过程

1. 数仓典型分层思想（ODS、DWB、DWS、DM、ADS）

2. 数仓建设0到1的过程实战

3. 企业级数据仓库设计的规范

 

阶段四：基于Kylin的OLAP分析

1. Kylin自带的example案例介绍

2. Kylin的Cube创建

3. Kylin的数据膨胀介绍

 

阶段五：需求分析与项目设计

1. 需求分析

2. canal搭建

3. canal数据写入kafka

阶段六：订单与销售额指标计算

1. 销售额指标体系介绍

2. flink实时消费Kafka订单数主题数据

3. 订单金额指标统计

阶段七：行为指标计算

1. 模拟通过埋点方式采集行为数据

2. 使用Flink Streaming计算用户行为相关指标

3. Flink CEP实现转化率分析

阶段八： Druid的安装和使用

1. Druid实时数据摄入

2. Druid基于JSON查询语法

3. Imply Pivot可视化数据分析