Kimball维度建模

前言

维度模型是数据仓库领域另一位大师Ralph Kimall所倡导，他的《The DataWarehouse Toolkit-The Complete Guide to Dimensona Modeling，中文名《数据仓库工具箱》，是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，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。

维度数据模型，是一套技术和概念的集合，用于数据仓库设计。维度模型是一种趋向于最终用户对数据仓库进行查询的设计技术，是围绕性能和易理解性构建的。

事实和维度是维度模型中的两个核心概念。

事实：表示对业务数据的度量，事实通常是数字类型的，可以进行聚合和计算。
维度：是观察数据的角度，而维度通常是一组层次关系或者描述信息，用来定义事实。

例如：销售金额是一个事实，而销售时间、销售的产品、购买的顾客、商店等都是销售事实的维度。

维度模型按照业务流程领域即主题域建立，例如进货、销售、库存、配送等。不同的主题域可能共享某些维度，为了提高数据操作的性能和数据一致性，需要使用一致性维度，例如几个主题域间共享维度的复制。术语“一致性维度”源自Kimball，指的是具有相同属性和内容的维度。

1、维度数据模型建模过程

选择业务流程

确认那些业务处理流程是数据仓库应该覆盖的，是维度方法的基础。因此，建模的第一个步骤是描述需要建模的业务流程。例如，需要了解和分析一个零售店的销售情况，那么与该零售店销售相关的业务流程都是需要关注的。为了描述业务流程，可以简单利用文本记录，或者使用“业务流程建模标注”（BPMN）方法，也可以使用统一建模语言（UML）或其他类似方法。

声明粒度

确定了业务流程后，下一步是声明模型的粒度。这里的粒度用于确定事实中表示的是什么，例如，一个零售店的顾客在购物小票上的一个购买条目。在选择维度和事实前必须声明粒度，因为每个候选维度或事实必须与定义的粒度保持一致。

从给定的业务流程获取数据时，原始粒度是最低级别的粒度。建议从原始粒度数据开始设计，因为原始记录能够给满足无法预期的用户查询。汇总后的数据粒度对优化查询性能很重要，但这样的粒度设计往往不能满足对细节数据的查询需求。不同的事实可以有不同的粒度，但同一事实中不要混用多种不同的粒度。

确认维度

设计过程的第三步是确认模型的维度。维度的粒度必须和第二部所声明的粒度一致。维度表是事实表的基础，也说明了事实表的数据是从哪里采集来的。典型的维度都是名词，如日期、商店、库存等。维度表存储了某一维度的所有相关数据，例如，日期维度应该包括年、季度、月、周、日等数据。

确认事实

最后一步是确认事实，这一步识别数字化的度量，构成事实表的记录。用户是直接通过事实表的访问获取数据仓库存储的数据。大部分事实表的度量都是数字类型的，可累加，可计算，如成本、数量、金额等。

Ralph Kimball-自下而上的建立数据仓库

Bill Inmon-自上而下的建设企业数据仓库

2、维度建模的三种模式

2.1 星型模式

星型模式

星型模式的核心是一个大的中心表（事实表），一组小的附属表（维表）。
星型模式是维度模型最简单的形式，也是数仓以及数据集市使用最广泛的形式。

维表只和事实表关联，维表之间没有关联；
每个维表的主码为单列，且该主码放置在事实表中，作为两边连接的外码；
以事实表为核心，维表围绕核心呈星形分布。

2.2 雪花模式

雪花模式

雪花模式是星型模式的扩展，所谓的“雪花化”就是将星型模式中的维度表进行规范化处理，进一步分解到附加表（维表）中。
将维度表进行规范化的具体做法：把低基数的属性从维度表中移除并形成单独的表。如主键列具有唯一值，所以有最高的基数，而像性别这样的列基数就很低。

在雪花模式中，一个维度被规范化成多个关联的维度表，而在星型模式中，每一个维度由一个单一的维度表所表示。一个规范化的维度对应一组具有层次关系的维度表，而事实表作为雪花模式的子表，存在具有层次关系的多个父表。

2.3 星座模式

星座模式

数据仓库由多个主题构成，包含多个事实表，而维表是公共的，可以共享，这种模式可以看做星型模式的汇集，因而称作星系模式或者事实星座模式。

事实星座模式是数据仓库最长使用的数据模式，尤其是企业级数据仓库（EDW）。这也是数据仓库区别于数据集市的一个典型的特征，从根本上而言，数据仓库数据模型的模式更多是为了避免冗余和数据复用，套用现成的模式，是设计数据仓库最合理的选择。在业务发展后期，绝大部分维度建模都采用的是星座模式。

2.4 星型模式和雪花模式对比

星星模型vs雪花模型

1.数据优化

星形模型：实用的是反规范化数据。在星形模型中，维度直接指的是事实表，业务层级不会通过维度之间的参照完整性来部署。不能保证数据完整性，一次性地插入或更新操作可能会造成数据异常。对于分析需求不够灵活。它更偏重于为特定目的建造数据视图。

雪花模型：使用的是规范化数据，也就是说数据在数据库内部是组织好的，以便消除冗余，因此它能够有效地减少数据量。通过引用完整性，其业务层级和维度都将存储在数据模型之中。规范化后的多层次维度表，可以很方便支持业务实体多对多关系，很容易进行全面的数据分析。

2.业务模型

星型模型：主键是一个单独的唯一键(数据属性)，为特殊数据所选择。外键(参考属性)仅仅是一个表中的字段，用来匹配其他维度表中的主键。

雪花模型：数据模型的业务层级是由一个不同维度表主键-外键的关系来代表的。而在星形模型中，所有必要的维度表在事实表中都只拥有外键。

3.性能

星型模型：星形模型在维度表、事实表之间的连接较少，所以简化了查询，相应的简化了业务报表的逻辑。获得查询性能、能更快速的进行聚合。

雪花模型：雪花模型在维度表、事实表之间的连接很多，因此性能方面会比较低。举个例子，如果你想要知道Advertiser 的详细信息，雪花模型就会请求许多信息，比如Advertiser Name、ID以及那些广告主和客户表的地址需要连接起来，然后再与事实表连接。（但是，规范化的维度属性可以节省存储空间。）

4.ETL

星型模型：星形模型加载维度表，不需要再维度之间添加附属模型，因此ETL就相对简单，而且可以实现高度的并行化。

雪花模型：雪花模型加载数据集市，因此ETL操作在设计上更加复杂，而且由于附属模型的限制，不能并行化。

5.总结

星型模型：星形模型用来做指标分析更适合，比如“给定的一个客户他们的收入是多少?

雪花模型：雪花模型使得维度分析更加容易，比如“针对特定的广告主，有哪些客户或者公司是在线的?”

【参考】
https://mp.weixin.qq.com/s/2rUkDD_HdQWCa3CweJaCog
https://blog.csdn.net/weixin_34143774/article/details/86251440
https://blog.csdn.net/zhaodedong/article/details/54174011