数仓维度建模之维度表技术基础

本文详细介绍了数仓维度建模中维度表的关键技术,包括维度表结构、一致性维度、维度代理键、维度下钻、退化维度、缓慢变化维以及杂项维度的概念和实践案例,帮助读者深入理解数据仓库的维度建模原理。
摘要由CSDN通过智能技术生成

数仓维度建模之维度表技术基础

01 维度表结构

组成结构:

主键 + 维度属性

名词解释:

主键:作⽤是与事实表的外键进⾏关联。

维度属性:是⽤于描述维度特性的字段,⼀般作为 group by分组查询的条件。

举个例⼦:

时间维度表 时间id在时间维度表⾥作为主键存在,事实表中也存 在⼀个时间id与之关联,得到时间维度的⼀些维度属性
在这里插入图片描述

02 ⼀致性维度

概念:

当不同的维度表的属性具有相同列名和领域内容时, 称维度表具有⼀致性。利⽤⼀致性属性与每个事实表 关联,可将来⾃不同事实表的信息合并到同⼀报表 中。

理解:

在总线架构设计时,可能会在多个数据集市中都存在 相同的维度,为了使这些数据集市的维度统⼀,就产 ⽣了⼀致性维度。

两个维度如果有关系,要么就是完全⼀样的,要么就 是⼀个维度在数学意义上是另⼀个维度的⼦集。

⼀致性维度的内容和普通维度并没有本质上区别,都 是经过数据清洗和整合后的结果。

举个例⼦:

⽤⼾维度表 ⼀共有3个来源的⽤⼾基础数据,⼀个是来源腾讯课 堂⽤⼾

  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要想在百度八亿网页的数据海洋中找到你所要的信息, 人工方式需要1200 多人年,而百度搜索技术不到1 秒钟。人 们被数据淹没,却渴望知识。商务智能技术已成为当今企业 获取竞争优势的源泉之一。商务智能通常被理解为将企业中 现有的数据转化为知识,帮助企业做出明智决策的IT工具集。 其中数据仓库、OLAP和数据挖掘技术是商务智能的重要组成 部分。商务智能的关键在于如何从众多来自不同企业运作系 统的数据中,提取有用数据,进行清理以保证数据的正确性, 然后经过抽取、转换、装载合并到一个企业级的数据仓库里, 从而得到企业数据的一个全局视图,并在此基础上利用适当 的查询分析、数据挖掘、OLAP等技术工具对其进行分析处理, 最终将知识呈现给管理者,为管理者的决策过程提供支持。 可见,数据仓库技术是商业智能系统的基础,在智能系统开 发过程中,星型模式设计又是数据仓库设计的基本概念之一。 星型模式是由位于中央的事实表和环绕在四周的维度表 组成的,事实表中的每一行与每个维度表的多行建立关系, 查询结果是通过将一个或者多个维度表与事实表结合之后产 生的,因此每一个维度表和事实表都有一个“一对多”的连 接关系,维度表的主键是事实表中的外键。随着企业交易量 的越来越多,星型模式中的事实表数据记录行数会不断增加, 而且交易数据一旦生成历史是不能改变的,即便不得不变动, 如对发现以前的错误数字做修改,这些修改后的数据也会作 为一行新纪录添加到事实表中。与事实表总是不断增加记录 的行数不同,维度表的变化不仅是增加记录的行数,而且据 需求不同维度表属性本身也会发生变化。本文着重讨论数据 仓库维度表的变化类型及其更新技术
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值