数据仓库建设之数据模型

数据模型

​  数据模型是对现实事物的反映和抽象，能帮助我们更好地了解客观世界。数据模型定义了数据之间的关系和结构，使得我们可以有规律地获取想要的数据。例如，在一个超市里，商品的布局都有特定的规范，商品摆放的位置是按照消费者的购买习惯以及人流走向进行摆放的

1、数据模型的作用

​  数据模型是业务需求分析之后，数据仓库工作开始的第一步。良好的数据模型可以帮助我们更好地存储数据，更有效地获取数据，保证数据间的一致性。

2、模型设计的基本原则

高内聚和低耦合

  一个逻辑和物理模型由哪些记录和字段组成，应该遵循最基本的软件设计方法论中的高内聚和低耦合原则。主要从数据业务特性和访问特性两个角度来考虑：将业务相近或者相关的数据、粒度相同数据设计为一个逻辑或者物理模型；将高概率同时访问的数据放一起，将低概率同时访问的数据分开存储。
高内聚
  高内聚：举个简单的例子：比如人员属性集合，将各个数据来源的人员的属性进行了高度的融合。不再需要访问每张源表去访问数据，而且清洗之后的数据更丰富、准确。

低耦合
  低耦合：一个程序有50个函数，这个程序执行得非常好；然而一旦你修改其中一个函数，其他49个函数都需要做修改，这就是高耦合的后果。

核心模型与扩展模型分离

​  建立核心模型与扩展模型体系，核心模型包括的字段支持常用核心的业务，扩展模型包括的字段支持个性化或是少量应用的需要。在必须让核心模型与扩展模型做关联时，不能让扩展字段过度侵入核心模型，以免破坏了核心模型的架构简洁性与可维护性

公共处理逻辑下沉及单一

​  底层公用的处理逻辑应该在数据调度依赖的底层进行封装与实现，不要让公用的处理逻辑暴露给应用层实现，不要让公共逻辑在多处同时存在。

成本与性能平衡

​  适当的数据冗余可换取查询和刷新性能，不宜过度冗余与数据复制。

数据可回滚

​  处理逻辑不变，在不同时间多次运行数据的结果需确定不变。

一致性

  相同的字段在不同表中的字段名必须相同。