范式建模-数据库三范式

   第一范式（1NF）：原子性，字段不可分；

    第二范式（2NF）：唯一性，有主键，非主键字段依赖主键；

    第三范式（3NF）：非主键字段不能相互依赖；

数据仓库

    数据仓库Data WareHouse - DW -DWH

        数据仓库是面向主题的、集成的、相对稳定、反应历史变化的数据集合，数仓中的数据是有组织有结构的存储数据集合，用于对管理决策支持。（OLAP 分析）

纬度建模（面向分析场景）

    纬度建模主要由事实表（fact）和维度表（dim）

        事实表有关键字段（维度列，度量列）提供分析，维度列就是所站场景可以是多维度（如：地区、产品、月份）（cube开发就是对多纬度进行操作），度量列一般由数字做统计量。

数据分析模型

    星型模型

大数据技术选型与设计（记录）_数据仓库

    星型模型的特点在于一次扩展就可查询到想要的内容，但如上图般 在区域中存在冗余数据，因县、区数据多 导致省份、城市存在多份；（星型模型违范式 ，效率要比雪花模型要高）


    雪花模型

    

大数据技术选型与设计（记录）_建模_02

    雪花模型将于维度再度拆分 ，严格遵守范式建模。（除了以上两种模型 ，还有星座模型 在此基础上 扩展多张fact事实表 与维度表关联）

数据仓库分层设计

大数据技术选型与设计（记录）_数据仓库_03

    ODS层 （贴源层） 将数据直接抽取过来不做任何处理。 

    DWD（数据明细层）理解伪为清洗加工的数据 还是以范式规范的结构存在。

    DWM（数据中间层）聚合操作 ， 在此已经将范式转换为维度建模 （fact和dim）。

    DWS （数据服务层） 形成主题宽表数据 ，用于OLAP分析。

大数据技术选型与设计（记录）_数据_04