Small_Ran的博客

数据仓库（英文名称为：Data Warehouse ），可简写为 DW；数据仓库是一个面向主题、集成性、稳定性、反映历史变化的数据集合；主要用于组织积累的历史数据，以及使用分析方法（ OLAP 、数据分析）进行分析整理，进而辅助决策，为管理者、企业系统提供数据支持，构建商业智能。

上一篇聊到数据仓库的基本概念以及经典的建模方法的对比（范式建模 VS 维度建模），那么本篇主要阐述关于数据仓库建模的基本概念。

大数据之路：阿里巴巴大数据实践》OneModel即建立企业统一的数据公共层，从设计、开发、部署和使用上保障了数据口径规范和统一，实现数据资产全链路管理，提供标准数据输出。OneID即建立业务实体要素资产化为核心，实现全域链接、标签萃取、立体画像，其数据服务理念根植于心，强调业务模式。OneService即数据被整合和计算好之后，需要提供给产品和应用进行数据消费，为了更好的性能和体验，需要构建数据服务层，通过统一的接口服务化方式对外提供数据服务。

上一篇主要阐述了OneData建模体系的大概流程，以及三个重要板块中的需求调研及规划部分；而本篇主要阐述规范定义模块的内容。在我们知道数仓涵盖的业务流程以及需求点，然后再进行数据域的划分；这时数仓大致的架构与方向基本明确，而接下来要说的则是具体细节。例如：需要建哪些维度表、每张维度表的粒度是什么、公共计算逻辑是哪些等等；后续内容将会展开说明。规范定义指以维度建模作为理论基础，构建总线矩阵，划分和定义数据域、业务过程、维度、度量 /原子指标、修饰类型、修饰词、时间周期、派生指标等；

上一篇主要阐述了 OneData 建模体系中的规范定义部分，而本篇主要阐述的是分层模型设计部分。当了解到每一个业务过程与维度的关联，就可以基本明确需要设计事实表与维度表；再通过明确统计指标的深入分析，就可以下沉某些相同计算逻辑。这是数仓的基本架构雏形已明确，而接下来则是设计各个表如何设计。例如：什么样的表放在ODS层以或者DWD层、及这样设计的依据是什么；后续内容将展开说明。

上一篇主要阐述了 OneData 建模体系中的模型设计，而本篇主要阐述是怎么创建维度表。当了解到数仓每层的设计目的时，对于每层模型设计有了进一步的掌握；在此之前所提及到的维度模型设计概念比较模糊，而接下来则是深入阐述维度模型设计。例如：什么是缓慢维变化，以及规范化与反规范化的区别；后续内容将展开说明。维度表可以理解为是对数据抽象的一个实体，它是维度建模的基础和灵魂。维度表是围绕业务过程所处环境进行设计的，它主要包含一个主键和各种维度字段（维度属性）；

上一篇主要阐述了维度表的设计，而本篇主要阐述怎么创建事实表。维度表是围绕业务过程所处环境设计，那么事实表则是围绕业务过程设计；而接下来将深入阐述事实表模型设计。例如：事实表有几种类型、什么是可加、半可加和不可加；后续内容将展开说明。事实表是指对实体发生行为事实时所产生的数据组合成的模型。事实表是不断动态增长，数据量一般比维度表要大；例如商品交易表、系统日志表等等属于事实表。事实表的组成包括与该业务过程相关的维度引用（维度表的外键），以及该业务过程的度量（可累加的数字字段，例如：金额）。