数据仓库之维度建模

维度模型以数据分析作为出发点，不遵循三范式，故数据存在一定的冗余。维度模型面向业务，将业务用事实表（SalesOrder：业务事实——下单记录、支付记录、加入购物车记录…）和维度表（业务事实的描述信息——何人何时何地）呈现出来。表结构简单，故查询简单，查询效率较高。

第一范式：属性不可切割；

第二范式：不存在部分函数依赖；

第三范式：不存在传递函数依赖。

一个典型的维度建模一般需要经过如下几个步骤：

1. 业务调研：调研需要建模的业务形态，划分基本的业务线/数据域；
2. 层次设计：定义数仓层级，保证各层级之间职责明确，划分清晰；
3. 规范设计：定义数仓中表/字段的命名规范，建立统一的指标体系 ；
4. 事实表设计：根据单一/复合业务过程确定事实表主题，确定最小粒度；
5. 维度表设计：根据业务确定实体，补充实体属性字段

维度建模应该符合以下几个规范：

1. 高内聚，低耦合：从业务流程和数据访问特性两个角度考虑，针对业务粒度相近，业务流程相近的数据应该放在同一个表中（例如广告数仓中通常会把广告的点击/曝光/转化多个业务过程数据放在同一个宽表中），针对经常要在同一个场景下访问的数据，也应该放在同一个表内。
2. 公共处理逻辑下沉和单一：公用的逻辑应该封装在底层表中，避免公用逻辑直接暴露给上层，同一个公共逻辑需要收敛，避免在多个地方同时存在。
3. 适当冗余：考虑到mr/rdd计算框架下join运算的资源损耗，可以通过适当冗余字段处理减少join操作。
4. 命名一致/可理解：同一个业务含义的字段命名必须相同，且直观可读。

在维度建模的基础上又分为三种模型：星型模型、雪花模型、星座模型。

雪花模型与星型模型的区别主要在于维度的层数，标准的星型模型维度只有一层。而雪花模型可能会涉及多级。

星座模型与前两种的区别是事实表的数量，星座模型是基于多个事实表。