数据建模-ER建模和维度建模

数据建模目标

        有序、有结构的分类组织和和存储数据

 数据建模好处：

        性能、成本、效率、质量

OLTP与OLAP：

        OLTP 是业务系统，OLAP是决策分析系统， OLAP更多的基于数据二次数据利用产生收益

ER建模

ER（Entity-Relationship，实体-关系）建模是一种用于描述信息系统中数据的概念模型的方法。它通过图形化的方式展示实体之间的关系，以及实体的属性。ER模型通常包括以下三个主要组成部分：

1. 实体（Entity）：表示现实世界中的一个对象，如“学生”、“课程”等。
2. 属性（Attribute）：实体所具有的特性，如“学生”实体的“学号”、“姓名”等。
3. 关系（Relationship）：实体之间的联系，如“学生”和“课程”之间的“选课”关系。

ER模型的表示方法通常包括：

• 矩形：表示实体，矩形内部包含实体的名称。
• 椭圆：表示实体的属性，椭圆内部包含属性的名称。
• 菱形：表示实体之间的关系，菱形内部包含关系的名称。
• 连接线：表示实体与属性之间的关系，以及实体之间的关系。

在ER模型中，还可以表示关系的类型，如一对一、一对多、多对多等。此外，还可以使用一些符号来表示关系的基数和参与度，例如：

• 基数（Cardinality）：表示实体在关系中的数量限制，如“学生”和“课程”之间的“选课”关系可能是多对多的。
• 参与度（Participation）：表示实体是否必须参与某个关系，通常用“全参与”（实线）和“可选参与”（虚线）来表示。

ER建模的步骤通常包括：

1. 确定实体：识别系统中的主要实体。
2. 确定属性：为每个实体确定其属性。
3. 确定关系：确定实体之间的关系，并定义关系的类型。
4. 细化模型：细化实体的属性，确定关系的基数和参与度。
5. 验证模型：确保ER模型准确地反映了现实世界的数据需求。

ER模型是数据库设计的重要步骤之一，它有助于设计人员理解数据的结构和关系，从而设计出合理的数据库模式。在实际应用中，ER模型还可以通过各种数据库设计工具来创建和修改。

维度建模

维度建模是数据仓库领域中的一种建模技术，它主要用于支持复杂的数据分析和决策支持系统。维度建模与ER建模不同，它更侧重于数据分析的效率和灵活性，而不是数据的物理存储结构。维度建模通常用于构建星型模式（Star Schema）或雪花模式（Snowflake Schema），这些模式特别适合于联机分析处理（OLAP）和数据挖掘。

### 维度建模的关键概念：

1. **事实表（Fact Table）**：
   - 事实表是维度模型的核心，它包含用于分析的度量值（如销售额、数量等）。
   - 事实表通常包含与维度表相关联的外键。

2. **维度表（Dimension Table）**：
   - 维度表包含描述性的属性，用于分析的上下文（如时间、地点、产品等）。
   - 维度表通常包含文本和日期等描述性信息。

3. **度量（Measures）**：
   - 度量是事实表中的数值数据，用于量化分析（如销售金额、数量等）。

4. **维度（Dimensions）**：
   - 维度是分析的视角，它们提供了数据的上下文（如时间、地点、产品等）。

5. **星型模式（Star Schema）**：
   - 星型模式是一种简单的维度模型，其中所有维度表直接连接到一个中心的事实表。
   - 这种结构适合快速查询，因为所有的数据都通过事实表连接。

6. **雪花模式（Snowflake Schema）**：
   - 雪花模式是星型模式的一种变体，其中一些维度表进一步规范化，形成更复杂的层次结构。
   - 这种模式减少了数据冗余，但可能会增加查询的复杂性。

7. **退化维度（Degenerate Dimension）**：
   - 退化维度是一种特殊的维度，它在事实表中直接包含描述性属性，而不是通过外键关联。

8. **缓慢变化维（Slowly Changing Dimension, SCD）**：
   - 缓慢变化维用于处理维度数据随时间变化的情况，确保历史数据的一致性和准确性。

### 维度建模的步骤：

1. **需求分析**：
   - 确定业务需求和分析目标。

2. **选择维度**：
   - 确定哪些维度对于分析是重要的。

3. **定义事实**：
   - 确定需要跟踪和分析的关键度量。

4. **设计事实表**：
   - 创建包含度量和维度外键的事实表。

5. **设计维度表**：
   - 为每个维度创建维度表，包含描述性属性。

6. **处理数据**：
   - 从源系统提取数据，处理并加载到数据仓库中。

7. **优化性能**：
   - 根据查询需求优化数据模型和索引。

8. **维护和更新**：
   - 定期更新数据和模型，以反映业务变化。

维度建模是一种非常实用的技术，它帮助组织从大量数据中提取有价值的信息，支持决策制定。通过维度建模，可以构建出灵活、高效的数据分析环境。