《数据清洗》第八章 综合案例--构建DVD租赁商店数据仓库

1) 了解数据库sakila中的数据表

sakila样本数据库是MySql官方提供的一个模拟DVD租赁商店管理的数据库。

sakila数据库--->数据清洗--->构建数据仓库

1.案例概述

1.1 案例背景介绍

对于在线DVD租赁商店的决策者来说，他们需要从不同的商业角度观察数据，如从时间、电影、演员、用户等角度观察数据，并进行相关的分析得出决策，但是数据库中的数据不适合从多个角度进行分析，无法得出战略决策。

然而，数据仓库支持复杂的分析操作，侧重于决策支持，并且还提供直观易懂的查询结果。

因此我们需要基于数据库sakila创建一个DVD租赁商店数据仓库，并将sakila数据库中的数据加载到数据仓库中，以便于在线DVD租赁商店的决策者对数据进行分析得出商业决策。

1.2 数据仓库的架构模型

数据仓库sakila_dw的架构模型：星型模型

2.3 数据表简介

sakila数据库中16张数据表的基本信息

1.数据表film

存储电影的基本信息及相关介绍的数据，该数据表各个字段对的含义见表

字段名称	数据类型	相关说明
film_id	smallint	主键（电影id）
title	varchar	电影名称
description	text	电影描述
release_year	year	上映年份
language_id	tinyint	语言id
original_language_id	tinyint	原版语言id
rental_duration	tinyint	租赁时长
rental_rate	decimal	电影租赁费
length	smallint	电影时长
replacement_cost	decimal	替换成本
rating	enum	评分
special_features	set	特色
last_update	timestamp	最后更新时间

2.数据表film_category

存储定义电影id和所属电影类别id的数据，该数据表各个字段的含义

字段名称	数据类型	相关说明
film_id	smallint	主键（电影id）
category_id	tinyint	外键（电影类别id）
last_update	timestamp	最后更新时间

3.数据表category

用于存储电影类别名称和所属类别id的数据，该数据表各个字段的含义如下：

字段名称	数据类型	相关说明
category_id	tinyint	主键（电影类别id）
name	varchar	电影类别名称
last_update	timestamp	最后更新时间

4.数据表film_actor

用于存储定义演员id和所属电影id的数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
actor_id	smallint	主键（演员id）
film_id	smallint	外键（电影id）
last_update	timestamp	最后更新时间

5.数据表actor

用于存储演员id对应的姓氏和名字数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
actor_id	smallint	主键（演员id）
first_name	varchar	演员名字
last_name	varchar	演员姓氏
last_update	timestamp	最后更新时间

6.数据表language

存储电影语言id和对应的语言名称数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
language_id	tinyint	主键（电影语言id）
name	char	电影语言名称
last_update	timestamp	最后更新时间

7.数据表film_text

存储电影id和对应的电影名称及简述的数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
film_id	smallint	主键（电影id）
title	varchar	电影名称
description	text	电影简述

8.数据表store

存储商店id和对应的管理人员id以及商店地址id的数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
store_id	tinyint	主键（商店id）
manager_staff_id	tinyint	管理人员id
address_id	smallint	商店地址id
last_update	timestamp	最后更新时间

9.数据表staff

用于存储员工的基本信息及员工所属商店的数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
staff_id	tinyint	主键（员工id）
first_name	varchar	员工名字
last_name	varchar	员工姓氏
address_id	smallint	地址id
picture	blob	照片
email	varchar	邮箱
store_id	tinyint	商店id
active	tinyint	在职
username	varchar	用户名
password	varchar	密码
last_update	timestamp	最后更新时间

10.数据表inventory

用于存储库存编号对应的电影id和商店id数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
inventory_id	mediumint	主键（库存编号）
film_id	smallint	电影id
store_id	tinyint	商店id
last_update	timestamp	最后更新时间

11.数据表customer

用于存储顾客的基本信息数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
customer_id	smallint	主键（顾客id）
store_id	tinyint	商店id
first_name	varchar	顾客名字
last_name	varchar	顾客姓氏
email	varchar	顾客邮箱
address_id	smallint	地址id
active	tinyint	活跃消费者
create_date	datetime	创建日期
last_update	timestamp	最后更新时间

12.数据表rental

用于存储租借相关信息数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
rental_id	int	主键（租借id）
rental_date	datetime	租赁日期
inventory_id	mediumint	库存编号
customer_id	smallint	顾客id
return_date	datetime	返还日期
staff_id	tinyint	员工id
last_update	timestamp	最后更新时间

13.数据表payment

用于存储租赁时付款的相关信息，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
payment_id	smallint	主键（付款id）
customer_id	smallint	顾客id
staff_id	tinyint	员工id
rental_id	int	租借id
amount	decimal	数量
payment_date	datetime	付款日期
last_update	timestamp	最后更新时间

14.数据表country

用于存储国家id和对应的国家名称数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
country_id	smallint	主键（国家id）
country	varchar	国家名称
last_update	timestamp	最后更新时间

15.数据表city

用于存储城市id和对应的城市名称以及所属国家id这一类数据，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
city_id	smallint	主键（城市id）
city	varchar	城市名称
country_id	smallint	国家id
last_update	timestamp	最后更新时间

16.数据表address

用于存储城市地址及地址邮编、所属区域等相关信息，该数据表各个字段的含义见表

字段名称	数据类型	相关说明
address_id	smallint	主键（地址id）
address	varchar	地址名称
address2	varchar	地址名称2
district	varchar	区域
city_id	smallint	城市id
postal_code	varchar	邮编
phone	varchar	电话
last_update	timestamp	最后更新时间