数据仓库 — 10_数仓建模理论（基本分层模型、关系建模和维度建模、事实表和维度表）

欢迎访问笔者个人技术博客： http://rukihuang.xyz/
学习视频来源于尚硅谷，视频链接： 尚硅谷大数据项目数据仓库,电商数仓V1.2新版，Respect！

1 数仓分层

1.1 基本分层模型

• 分层原因：
  • 把复杂问题简单化：将复杂的任务分解成多层来完成，每一层只处理简单任务，方便定位问题。
  • 减少重复开发：规范数据分层，通过中间层数据，能够减少大量的重复计算，增加一次计算结果的复用性。
  • 隔离原始数据：不论是数据的异常还是数据的敏感性，使真实数据与统计数据隔离开。

1.2 数据集市和数据仓库

• 数据集市：部门级。一种微型的数据仓库，通常具有更少的数据，更少的主题区域，以及更少的历史数据。
• 数据仓库：企业级。能为整个企业各个部门运转提供决策支持手段。

2 数仓理论

2.1 范式理论

详见过往文章对范式理论的解释：Java Web 02 — MySQL_02（数据库的设计、数据库的备份和还原、多表查询、事务、DCL）

• 第一范式1NF：属性不可切割
• 第二范式2NF：不能存在部分函数依赖
• 第三范式3NF：不能存在传递函数依赖

2.2 关系建模和维度建模

• 当今的数据处理大致可以分为2类：联机事务处理OLTP （ on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP 是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP 是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。二者的主要区别对比如下表所示。

对比属性	OLTP	OLAP
读特性	每次查询只返回少量数据	对大量数据进行汇总
写特性	随机、低延时写入用户的输入	批量导入
使用场景	用户，JavaEE项目	内部分析师，为决策提供支持
数据表征	最新数据状态	随时间变化的历史状态
数据规模	GB	TB、PB

2.2.1 关系建模

• 关系模型如图所示，严格遵循第三范式（3NF），从图中可以看出，较为松散、零碎，物理表数量多，而数据冗余程度低。由于数据分布于众多的表中，这些数据可以更为灵活地被应用，功能性较强。关系模型主要应用与OLTP 系统中，为了保证数据的一致性以及避免冗余，所以大部分业务系统的表都是遵循第三范式的。

2.2.2 维度建模

• 维度模型如图所示，主要应用于OLAP 系统中，通常以某一个事实表为中心进行表的组织，主要面向业务，特征是可能存在数据的冗余，但是能方便的得到数据。
• 关系模型虽然冗余少，但是在大规模数据，跨表分析统计查询过程中，会造成多表关联，这会大大降低执行效率。所以通常我们采用维度模型建模，把相关各种表整理成两种：事实表和维度表两种。

2.2.2.1 维度建模的三种模型

1. 星型模型：事实表周围只有一层维度表

2. 雪花模型：维度表有多个层级

3. 星座模型：多张事实表

2.3 维度表和事实表

2.3.1 维度表

• 维度表：一般是对事实的描述信息。每一张维表对应显示世界中的一个对象或者概念。
• 维度表特征：
  • 维度的范围很宽（具有多个属性，多个列）
  • 和事实表相比，行数相对少
  • 内容相对固定：编码表
• 如商品信息表，每一行表示一种商品的具体特征和概念（小米手机，128G，白色，4999元）

2.3.2 事实表

• 每一个事实表的行包括：具有可加性的数值型的度量值、与维表相连接的外键、通常具有两个和两个以上的外键、外键之间表示维表之间多对多的关系。可统计的
• 特征：
  • 非常大
  • 内容相对窄（列数少）
  • 经常发生变化，每天会新增很多
• 如订单表（小明，小米手机，4999元，优惠券200元，下单时间20200521 09：00）