数据仓库概念建模

1. 图论

有向无环弱连接图

2. 维度事实模型图例

3. 维度事实模型

3.1 事实表 Schemes
      --Fact
      --Measures
      --Dimensions
      --Hierarchies
           Dimension attributes
           Non-dimension attributes

将其定义为

   -- M 度量集合

   -- A  维度属性集合

   -- N 非维度属性集合

   -- R 有序元祖集合（ai,aj），表示Schema图中的边

           

     -- O 可选关系集合 

     -- S 聚合表达式集合 

              

       -- Dim(f)是维度模式，Dim(f)中的任一元素都是一个维度

                 

为什么要格式化？

               给定模型的意义

               工具支持

                    -- 转换算法

                    -- CASE工具

3.2 算法

把ER图转换成概念设计

 1）定义事实
 2）针对每一事实
       a) 构建属性树
       b) 剪枝和移植
       c) 定义维度
       d) 定义度量
       e) 定义层次结构

3.3 算法实例

3.3.1 定义事实

实体E1,...,En之间的关系R 转换为一个实体F

不断进行规约是定义事实的一个候选，比如Sale，而不是Store，City

每一个事实成为事实模型的root.

 转换关系如下：

3.3.2 针对每一个事实

1）构建属性树

每一个顶点代表Schema的一个属性，Root代表F的标识

root=newVertex(identifier(F));

translate(F,root)

translate(E,v) {

     for each attribute a E | a identifier(E)

           addChild(v, newVertex({a}));

      for each entity G connected to E by a

             relationship R | max(E,R)=1 {

                    for each attribute b R

                          addChild(v, newVertex({b}));                

                           next=newVertex(identifier(G));

                           addChild(v,next);

                           translate(G, next);

                   }

 }

例如：

translate(E=SALE, v=sale)
  addChild(v, qty);
  addChild(v, unitPrice);
  for G=PURCHASE TICKET
    addChild(v, ticketNumber);
    translate(PURCHASE TICKET, ticketNumber)
  for G=PRODUCT
    addChild(v, product);
    translate(PRODUCT, product);

====》属性树

2）剪枝和移植

去除不必要的细节数据粒度。

剪枝：Drop掉子树

移植：包含不重要信息的顶点但依旧是要保留的。

graft(v) {
  for each v’ | v’ is father of v
    for each v’’ | v’’ is child of v
      addChild(v’, v’’);
  drop(v);
}

一对一是一个好的候选，如果一个可选顶点要移植，则所有孩子节点均要依次移植。

例如：

=====》

3）维度

决定事实instance的粒度

4）度量

属性树中的数值型属性，这些度量如何从原 Schema中计算出来

5）层次结构

属性树已有一定的层次结构，需要做的是剪枝和移植，并增加新的聚合层次。

确定非维度属性。