数据仓库维度建模工具箱-第一章 数据仓库、商业智能及维度建模初步（2）

1.维度建模被广泛应用所满足的需求（维度建模的优势）：

• 以商业用户更易理解的方式发布数据
• 提高查询性能

2.星型模型和OLAP多维数据

　　在关系型数据库中实现的维度模型称为星型模型，因其结构类似星型结构。在多维数据库中实现的维度模型通常称为联机分析处理（OnLine Analytical Processing,OLAP）多维数据库。

 

如何理解实体表、维度表、事实表？

• 实体表：实体表就是一个实际对象的表，实体表它放的数据一定是一条条客观存在的事物数据，比如说设备 ，它就是客观存在的，所以可以将其设计一个实体表；
• 事实表：事实表用于度量，它存放的是用于度量的值，其他字段用于保存维度信息的外键字段，物理世界的每一个度量事件对应事实表的一条数据。事实表的设计主要在于找到主干字段，以一个销售订单为例。

　　　　原表字段：product_no,product_name,sale_time,sale_amount,sale_count,profit

　　　　很明显该表的销售数量、销售金额、利润是该表的主干，所以可以将该表拆分为产品维度表和时间维度表

　　　　产品维度表：product_key,product_no,product_name,color,size

　　　　时间维度表：time_key,year,month,date,hour,minute（一般没必要）

　　　　销售事实表：product_key,time_key,sale_amount,sale_count,profit

　　　　若由需求和必要，同样可以将连续变量sale_amount,sale_count,profit离散化后，作为维度使用

　　　　订单维度表：sale_count_key,section

　　　　　　　　　　1　　　　　　0-5

　　　　　　　　　　2　　　　　　0-5

　　　　　　　　　　3　　　　　　5-10

• 维度表：维度是分析问题的角度，一个事实表一般关联多个维度表

设计原则：

• 文本型度量，设计者应尽量将文本字段放入纬度当中，除非该文本字段对每个行来说是唯一的，尽量避免在事实表存储冗余的文本信息，以节省存储空间；
• 如果产品维度没有销售事实，不要试图以0来填充事实表
• 维度表一般是含有主键的，作为该维度下单一个体，一行数据数据为单一维度，维度之间一般是层次结构的，例如：年-月-日