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。
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。
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。
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.业务模型
- 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。
3.性能
- 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。
4.ETL
- 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。)
5.总结
- 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。
【参考】
- 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?”
欢迎光临 168大数据 (http://www.bi168.cn/) | Powered by Discuz! X3.2 |