数据仓库——数据建模

数据仓库——数据建模

• 数据建模指的是对现实世界各类数据的抽象组织，确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。
• 将经过系统分析后抽象出来的概念模型转化为物理模型
  • 性能：良好的模型能帮我们快速查询需要的数据，减少数据的IO吞吐
  • 成本：减少数据冗余、计算结果复用、从而降低存储和计算成本
  • 效率：改善用户使用数据的体验，提高使用数据的效率
  • 改善统计口径的不一致性，减少数据计算错误的可能性

ER建模

• 数据仓库之父Bill Inmon推崇ER建模
• Bill Inmon希望达到的“single version of the truth”。
• 从全企业的高度设计一个3NF模型的方法，用实体加关系描述的数据模型描述企业业务架构，站在企业角度面向主题的抽象，而不是针对某个具体业务流程的实体对象关系抽象。
• 简而言之，第一范式就是无重复的列。
• 简而言之，第二范式就是非主属性完全依赖于主关键字。
• 简而言之，第三范式就是属性不依赖于其它非主属性。
• 优缺点
  • 优点：规范性较好，冗余小，数据集成和数据一致性方面得到重视
  • 缺点：需要全面了解企业业务、数据和关系；实施周期非常长，成本昂贵；对建模人员的能力要求也非常高，容易烂尾。

维度建模

• 数据仓库大师Ralph Kimball 倡导维度建模
• 《The DataWarehouse Toolkit-The Complete Guide to Dimensona Modeling》,中文名《数据仓库工具箱》
• 维度建模以分析决策的需求构建模型，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能，更直接面向业务。
• 维度建模中有一些比较重要的概念：
  • 事实表
    • 发生在现实世界中的操作型事件，其所产生的可度量数值，存储在事实表中。从最低的粒度级别来看，事实表行对应一个度量事件，反之亦然。
  • 维度表
    • 每个维度表都包含单一的主键列。维度表的主键可以作为与之关联的任何事实表的外键，当然，维度表行的描述环境应与事实表行完全对应。维度表通常比较宽，是扁平型非规范表，包含大量的低粒度的文本属性。
  • 度量值
    • 度量值是对一次行为的度量
  • 优缺点
    • 优点：技术要求不高，快速上手，敏捷迭代，快速交付；更快速完成分析需求，较好的大规模复杂查询的响应性能
    • 缺点：维度表的冗余会较多，视野狭窄

对比分析

• ER建模是面向应用，遵循第三范式，以消除数据冗余为目标的设计技术。
• 维度建模是面向分析，为了提高查询性能可以增加数据冗余，反规范化的设计技术。

属性	维度模型	关系模型
数据总量	多	少
可读性	容易	差
表个数	少	多
查询速度	快	慢
冗余度	高	低
对实时表的情况	增加宽度	字段比较少，冗余低
扩展性	差	好
实施难度	低，周期短	高，周期长
适用场景	快速变化行业、战术性投入、直接面向客户	成熟行业、战略性投入、不直接面向客户