搭建数据仓库第05篇：逻辑建模–2–范式建模

目录

• 前言
• 使用情景
• 如何来范式建模
• 使用的效果
• 小结

---

 

 

前言

 

上篇讲述了一些抽象的概念模型和逻辑模型设计的东西，接下来就该讲述如何来一步一步的利用Inmon和Kimball数据仓库的理论来建设数据仓库的模型，主要分几块吧，一个是范式建模，然后是维度建模（分几篇总结），最后是因地制宜，按照自己的平台来考虑如何综合的考虑Inmon和Kimball数据仓库的理论的应用。

Inmon最初的建模理论是通过构建一个符合三范式的集中式的数据中心DW层，此层次的表一般不对BI和应用开放，而是基于DW的数据构建数据集市DM层来对外服务。DM层的数据一般也采用范式建模，不过随后融入了维度建模的思想，把DM层建设成星型模型。但是并未提出使用一致性维度。

本篇将会讲述范式建模部分。当然3范式的概念也不再赘述，度娘全都有。

 

使用情景

 

提起数据仓库建模，谁都会知道Inmon的以范式建模为理论基础的集线器式建模，以及Kimball的以维度建模为理论基础的总线式建模，关于这两者这更好的争论就不在这里陈述了。实际上，随着数据仓库的发展，现在两种模型都在原来的基础上再往同一个方向发展，最终大家都比较相似了，甚至出现的复合式的数据仓库理论，将这两种架构整合在了一起，充分利用了两者的优点。

我个人的看法是，范式建模，有着维护数据的一致性，稳定性，可扩展性，减少冗余，同时也有着规范化但是不利于分析理解数据等的特点，这样子完全可以把范式建模利用在ODS和DW层之间的中间层数据模型，因为这一层数据承载着DW层的数据，但又不会对用户开放，放式建模完美的匹配上了。

 

如何来范式建模

 

范式建模采用的是3范式，而大多数的线上业务数据库也遵循着3范式的规范，所以范式建模是推荐贴源（ODS）的，甚至简单的业务情况下不需要中间层，直接使用ODS层即可。

当然对于如下情况我们还是建议通过范式建模来重新组织数据

1. 业务数据库的表没有遵循3范式
2. 有复杂的字段（比如json字段）需要解析
3. 业务维度比较复杂，很难直接关联取出所需的数据，比如业务X营销体系=n

使用的效果

通过范式建模，可以

1. 保证数据的一致性（因为采用完全不冗余的方式，避免了数据的不一致，比如出现 广东 厦门的这样不一致的记录）
2. 解耦方便维护，也提高了运行效率
3. 针对复杂字段的解析和复杂业务的分解，有利于DW层的直接使用

小结

 范式建模不仅在线上业务数据库中展现了强劲的风采，也在数据仓库侧发挥着重要的作用。范式建模的难度在于如何抽象业务，来进行DW建设前夕的准备工作。建好了这一层的数据模型，对于DW层数据的建设，将是大大的提高了效率和大大降低了复杂性。