数据仓库维度建模
十二呀呀呀
这个作者很懒,什么都没留下…
展开
-
数据仓库-维度建模day03
以零售业务案例研究维度建模 注意:不要以数据来驱动维度建模,需要综合考虑业务用户需求和数据来源的实际情况。 1:第一步,选择业务过程 对业务需求以及可用的数据源综合考虑,决定对那种业务过程开展建模工作。 2:第二步,确认粒度 以最低的原子粒度处理数据 3:第三步,确认维度 ...原创 2020-12-28 11:15:35 · 82 阅读 · 0 评论 -
数据仓库-维度建模day02
事实表技术基础 事实表结构:事实表行对应一个度量事件,反之亦然。 可加,半可加,不可加事实。 事实表中的空值:事实表中可以存在空值度量,但是外键中不能存在空值,若有则违背了参照完整性原则。 https://blog.csdn.net/luomingkui1109/article/details/87812756 维度建模设计的4步过程: 1:第一步,选择业务过程 业务过程是由组织完成的微观活动。 业务过程通常用行为动词表示。 业务过程通常由某个操作型系统支撑。 业务过程建立或..原创 2020-12-10 10:56:05 · 57 阅读 · 0 评论 -
数据仓库-维度建模day01
星型模型和olap多维数据库 在关系数据库管理系统中实现的维度模型称为星型模型,在多维数据库环境中实现的维度模型通常称为联机分析处理olap。 用于度量的事实表 维度模型中的事实表存储组织机构业务过程事件的性能度量结果。“事实”这一术语表示业务度量。事实表中的每一行表示一个度量事件,每行中的数据是一个特定级别的细节数据,称之为粒度。维度建模的核心原则之一,同一事实表中的所有度量行都是相同的粒度。 物理世界的每一个度量事件与对应的事实表行具有一一对应的关系,这是维度建模的基本原则。 最实用的事实是.原创 2020-11-30 14:53:40 · 91 阅读 · 0 评论