數(shù)據(jù)倉庫，是越來越流行的數(shù)據(jù)解決方案。傳統(tǒng)煙囪式的數(shù)據(jù)開發(fā)模式，顯然不能滿足日益增長的數(shù)據(jù)需求，而作為大數(shù)據(jù)量化方案、解決大數(shù)據(jù)問題、發(fā)掘數(shù)據(jù)價值的大數(shù)據(jù)倉庫被很多公司采納使用。想要建設好數(shù)據(jù)倉庫，就要了解數(shù)據(jù)倉庫模型設計及其原理、怎樣處理數(shù)據(jù)倉庫建設的需求分析？又如何處理基礎數(shù)據(jù)元和維度表、事實表？下面就來簡單談談數(shù)據(jù)倉庫。

一、什么是數(shù)據(jù)倉庫？

數(shù)據(jù)倉庫的概念

數(shù)據(jù)倉庫是一個面向主題的、集成的、時變的、非易失的數(shù)據(jù)集合，用于支持管理決策、商業(yè)營銷、運營分析。數(shù)據(jù)倉庫實際上是一種數(shù)據(jù)存儲，它將各種異構數(shù)據(jù)源中的數(shù)據(jù)集成在一起，并保持其語義一致，為企業(yè)決策提供支持。

1.面向主題。在較高層次對數(shù)據(jù)綜合、歸類，針對某一分析領域所抽象出來的分析對象。

構建主題的步驟：首先抽象出需要分析的主題域，確定每個主題域需要分析的維度、其所包含哪些數(shù)據(jù)表。一般主題域所有表都有一個連接鍵，作為主題的一部分，通過這個連接鍵可把主題域所有表關聯(lián)匯總成一張寬表。如會員主題，分為會員基本信息、會員積分數(shù)據(jù)、會員的資產(chǎn)數(shù)據(jù)、會員的行為數(shù)據(jù)、會員的信用等多張表。

2.集成的。數(shù)據(jù)來源的格式類型不同；編碼、命名格式、屬性單位不一致，然后對原有數(shù)據(jù)進行綜合、計算。

把不同表、不同類型的數(shù)據(jù)放入到統(tǒng)一的數(shù)據(jù)倉庫中。如Mysql、Oracle、Redis、Hbase中的數(shù)據(jù)，我們通過同步全量數(shù)據(jù)把數(shù)據(jù)存入統(tǒng)一的系統(tǒng)中。對于增量數(shù)據(jù)設置定時抽取，可以采用并發(fā)架構，多任務同時同步，把數(shù)據(jù)持續(xù)存到我們的分布式文件系統(tǒng)中來。

3.時變的。數(shù)據(jù)倉庫的數(shù)據(jù)是不同時間的數(shù)據(jù)集合；隨時間變化不斷增加、刪除、綜合數(shù)據(jù)；數(shù)據(jù)倉庫表結構中一般都帶有時間字段。

數(shù)據(jù)倉庫的數(shù)據(jù)不是一成不變的，它是隨著時間變化不斷新增內容，更新與時間有關的綜合數(shù)據(jù)，這些數(shù)據(jù)一般都包含有時間字段。

4.穩(wěn)定非易失的。.數(shù)據(jù)倉庫中的數(shù)據(jù)一般只插入新增，不做update更新、delete刪除操作。

數(shù)據(jù)是經(jīng)過抽取而形成的分析型數(shù)據(jù)，不具有原始性(不是第一手數(shù)據(jù)，一般是經(jīng)過其他數(shù)據(jù)源或業(yè)務系統(tǒng)，抽取到數(shù)據(jù)倉庫中)，主要供企業(yè)決策分析之用，執(zhí)行的主要是查詢操作，一般情況下不執(zhí)行更新操作。抽到數(shù)據(jù)倉庫的數(shù)據(jù)在ODS層不做任何操作，來保持數(shù)據(jù)的原始性(不改變字段屬性，不補值等操作)。

二、數(shù)據(jù)倉庫建模理論

數(shù)據(jù)一般用于兩種目的，一種是基于操作型記錄保存，一種是分析決策的制定。簡單來說，前者是操作系統(tǒng)保存數(shù)據(jù)(OLTP-聯(lián)機事務處理)，一般僅反映數(shù)據(jù)的最新狀態(tài)，按單條記錄事務性來處理數(shù)據(jù)；其優(yōu)化的核心是更快地處理事務；后者是分析系統(tǒng)使用數(shù)據(jù)(OLAP-聯(lián)機事務分析)，按大批量方式處理數(shù)據(jù)；其核心是高性能、多維度處理數(shù)據(jù)。針對兩種不同的數(shù)據(jù)用途，如何組織數(shù)據(jù)，高效的使用數(shù)據(jù)，這里就涉及到數(shù)據(jù)建模的問題。

2.1、什么是Inmon范式模型？

數(shù)據(jù)倉庫是商業(yè)智能的一部分，一家企業(yè)或公司只有一個數(shù)據(jù)倉庫，數(shù)據(jù)集市的信息皆來源數(shù)據(jù)倉庫。現(xiàn)在的數(shù)據(jù)庫大多數(shù)都是依據(jù)3FN范式來建立的，而依據(jù)范式的思想來進行數(shù)據(jù)倉庫建模，就是范式建模。數(shù)據(jù)倉庫中的數(shù)據(jù)信息必須符合第三范式。

范式是關系型數(shù)據(jù)庫的基本概念。是指符合某些條件、符合某些規(guī)則的關系集合。范式是分級的，每向上一級，條件和規(guī)則更加嚴格，每一級是下一級的子集。

范式最主要的目的是消除冗余，每一份信息必須存放一次，也只能存儲一次。數(shù)據(jù)的冗余不僅僅會造成存儲資源的浪費，而且可能會引發(fā)數(shù)據(jù)的更新異常。

2.2、什么是Kimball維度建模？

數(shù)據(jù)倉庫是公司內部所有數(shù)據(jù)集市的集合，信息總是被存儲在多維模型中。是面向數(shù)據(jù)集市、數(shù)據(jù)主題的，一般采用星型模型建模。依據(jù)星型模型，構建事實表和維度表，建立數(shù)據(jù)倉庫模型的過程，就是維度建模。Kimball的核心思想就是星型模型和維度建模。

2.2.1、什么是星型模型？

所有的表直接與事實表關聯(lián)，整個圖解就像星星一樣，該模型稱為星型模型。星型模型是一種非正規(guī)化的結構，是反范式的。因為多維數(shù)據(jù)集的每一個維度都直接與事實表相連接，不存在漸變維度，所以數(shù)據(jù)有一定的冗余，

星型模型

2.3、事實表和維度表

事實表描述業(yè)務過程的度量、以可加數(shù)據(jù)為主題，每一行代表一個可以觀察的實體或事件。主要的是發(fā)生了業(yè)務過程，如賣出一件商品，用戶購買一件商品，這都觸發(fā)了業(yè)務過程。賣出的商品有商品屬性、有賣出的門店、有出貨記錄，有購物者信息等等。

維度表描述事實所處的環(huán)境、面向分析，代表針對事實的一種分類。直白點，維度表就是用來描述事實的。還以賣出商品為例，賣出的商品，商品有屬性，包括顏色、尺碼、風格、季節(jié)等多種屬性，這些屬性組合在一起就構成了描述商品的維度表。

對維度表再建立更細的維度，稱為支架表。支架表是維度表的維度表，支架表是去冗余的產(chǎn)物，在星型模型中，對冗余很寬容。所以支架并不是必須的，并且應該盡量少用。合適的方法是：將支架表合并到和事實表直接連接的維度表。

注意：維度表中需要注意維度退化和緩慢變化維

退化維度：在維度類型中，有一種重要的維度稱作為退化維度，亦稱維度退化。這種維度指的是直接把一些簡單的維度放在事實表中。維度退化是維度建模領域中的一個非常重要的概念，它對理解維度建模有著非常重要的作用，維度退化一般在分析中可以用來做分組使用。

緩慢變化維：維度的屬性并不是始終不變的，它會隨著時間的流逝發(fā)生緩慢的變化，這種隨時間發(fā)生變化的維度我們一般稱之為緩慢變化維。

常用處理緩慢變化維的方式：用戶變更手機號碼

EX1，直接覆蓋原值。

直接覆蓋原值

EX2，增加維度行。

增加新行

在增加新行時，需為其分配新的代理鍵。并且，至少需要在維度行再增加三列：有效日期、結束日期、行狀態(tài)，可以使用拉鏈表處理。

EX3,增加新的屬性列。

增加屬性列

2.2、什么是雪花模型？

當有維表沒有直接連接到事實表上，而是通過連接其他維表間接連接到事實表，其圖解就像多個雪花連接在一起，故稱雪花模型。雪花模型是對星型模型的擴展。它對星型模型的維表進一步層次化，把原有的維表進一步拓展，形成更多細分層次。

處理雪花模型的方式，和支架表一樣，理想的模型是只存在和事實表直接相連接的維度表。在數(shù)據(jù)倉庫中，數(shù)據(jù)冗余不重要，連接性能更重要！我們通過犧牲空間來換取時間，這些數(shù)倉很常用的手段。

雪花模型

雪花模型是一種規(guī)范的數(shù)據(jù)建模模型，規(guī)范化的目的是去冗余，在節(jié)省存儲的同時減少重復更新。但是對于數(shù)據(jù)倉庫來說，這兩者都不重要，數(shù)據(jù)倉庫本來就不更新。Kimball模式的數(shù)據(jù)倉庫的查詢性能優(yōu)先！星型模型，是反范式的

總結：數(shù)據(jù)倉庫建模過程是一個很復雜的過程，一方面不僅要根據(jù)自家業(yè)務處理建模需要，一方面還要深入了解建模的理論基礎。