【数据仓库】【第八章】【数据仓库建模方法论 - ER模型 】

数仓建模的意义

• 建模是用于数仓设计的，一般从0-1搭建数仓时是需要会建模理论的；
  公司数仓搭建好后，一般都是直接接需求；

• 将数据有序的组织和存储起来：需要遵循方法和理论，方法和理论就是模型；
• 建模：是一个动作和过程，需要遵循模型；
• 模型有ER模型和维度模型，这两个就是不同的建模方法；
  
• 口径：对指标的定义

1. 数据建模的两种方式

• 关系建模和维度建模是两种数据仓库的建模技术。
• 关系建模由Bill Inmon所倡导，维度建模由 Ralph Kimball 所倡导。

2. 关系建模理论(ER模型）

• 数据仓库之父Bill Inmon提出的建模方法是从全企业的高度，用实体关系（Entity Relationship，ER）模型来描述企业业务，并用规范化的方式表示出来，在范式理论上符合3NF。

• 实体和关系模型： 对象和对象之间的关系；1-1 ；1-n； n-n

• 数据库规范化： 规范化目的是减少数据冗余，增强数据一致性；

当某列只有一个的时候，因此只能修改他自己；如果有冗余，比如有两份，可能只改了一份，就导致数据不一致！

---

2.1 范式理论

1）定义

数据建模必须遵循一定的规则，在关系建模中，这种规则就是范式

2）作用
采用范式，可以降低数据的冗余性

为什么要降低数据冗余性？
（1）十几年前，磁盘很贵，为了减少磁盘存储。
（2）以前没有分布式系统，都是单机，只能增加磁盘，磁盘个数也是有限的
（3）一次修改，需要修改多个表，很难保证数据一致性

3）范式的缺点

范式的缺点是获取数据时，需要通过Join拼接出最后的数据

4）分类

关系型数据库的范式一共有六种，分别是第一范式（1NF）、第二范式（2NF）、第三范式（3NF）、巴斯-科德范式（BCNF）、第四范式(4NF）和第五范式（5NF）。遵循的范式级别越高，数据冗余性就越低。

2.2 范式理论前要–函数依赖

1.2.1 完全函数依赖 z = f(x,y)

定义： 由字段x和字段y可以获取唯一的字段z，但是由单独的x或者单独的y获取不了z，此时称为z完全依赖于（x,y），即z =f(x,y)

1.2.2 部分函数依赖

定义： Z完全依赖于x,y,n，此时称Z部分函数依赖于x,y
也就是说Z只需要（x,y,n）的一部分，此时称之为Z部分依赖于（x,y,n）

1.2.3 传递函数依赖

y=f(x)，z=g(y) ，因此可以由x获取z，此时称之为Z传递函数依赖于x

2.3 三范式

2.3.1 第一范式-属性不可切割

• 第一范式没有用到上面的函数依赖；
• 第一范式：属性不可切割！

2.3.2 第二范式

• 第二范式： 不能存在非主键字段部分函数依赖于主键字段；
  

如何拆表？ 假设 Zn = f(x,y)

1. 找主键：上表中，主键是(学号，课程)；
2. 保留表中完全依赖于主键的字段以及主键 即： Z = f(x,y) ，Z和x、y保留在一张表中
3. 将部分依赖的 Z = f(x) , Z和x 保留在一张表中

2.3.3 第三范式

第三范式： 非主键字段不能传递函数依赖于主键字段；

也就是说：y=f(x),z=g(y) x,y,z都在同一张表了，不满足第三范式；

拆表方法：
x和y放一张表，y和z放一张表

2.4 关系建模的特点

• 关系模型严格遵循第三范式（3NF），数据冗余程度低，数据的一致性容易得到保证。
• 由于数据分布于众多的表中，查询会相对复杂，在大数据的场景下，查询效率相对较低。

3. ER模型示例