数据挖掘导论（学习笔记）――2.2 数据仓库数据模型

2.2 数据仓库数据模型

数据仓库是企业一个专门的数据存储结构，其存储的数据是面向分析主题的、不同粒度的多维数据，应用在线分析（OLAP）等工具，可满足快速、灵活的查询需要，最终支持企业决策。

数据仓库建模技术分为实体关系建模和维度建模。其中维度建模是一种逻辑设计技术，它通过相对独立的业务创建有针对性的分析模型来进行组织设计。

模型本身主要是由事实表和维度表组成的：事实表是维度模型的主表，一般含有两个或者两个以上的外键组合的集合，这些外键被用来连接它们各自对应的维度表。

当前流行的数据仓库数据模型是多维数据模型，主要有星形模型、雪花模型、事实星座模型等。

主码是表中一个属性或几个属性的组合，它能唯一地标识表中的每条记录。外码是出现在一个表中，同时在另一个表中被定义成主码的属性。在数据仓库中，事实表的主码是组合码，维表的主码是简单码。事实就是通过与各维相对应的外码值同维表联系在一起。

在数据仓库中，对于比较简单的主题，一般一个主题对应一个事实表；对于比较复杂的分析主题，很可能多个主题对应多个事实表。存储在数据仓库中的事实必须体现决策人员进行分析的需要，决策人员对什么感兴趣，那么事实表中就该包含这个事实的度量值。

维表用于指导从不同的角度在事实表中选择数据行。维表的主码是事实表的外码。

星形模型：（最常见的范例,维表通过关键词实现与事实表的关联，从而形成不同的查询、分析和聚类。）

雪花模型：是星形模型的变种，雪花模型的维表是规范化形式的，以便减少冗余。

事实星座：可以看作是一种特殊的星形模式集，允许多个事实表共享维表。