最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

Kimball维度建模

[复制链接]
发表于 2021-3-16 17:09:25 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本帖最后由 168主编 于 2021-6-5 16:32 编辑

前言

维度模型是数据仓库领域另一位大师Ralph Kimall所倡导,他的《The DataWarehouse Toolkit-The Complete Guide to Dimensona Modeling,中文名《数据仓库工具箱》,是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型,构建的数据模型为分析需求服务,因此它重点解决用户如何更快速完成分析需求,同时还有较好的大规模复杂查询的响应性能。
维度数据模型,是一套技术和概念的集合,用于数据仓库设计。维度模型是一种趋向于最终用户对数据仓库进行查询的设计技术,是围绕性能和易理解性构建的。
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。
1、维度数据模型建模过程
  • 选择业务流程
确认那些业务处理流程是数据仓库应该覆盖的,是维度方法的基础。因此,建模的第一个步骤是描述需要建模的业务流程。例如,需要了解和分析一个零售店的销售情况,那么与该零售店销售相关的业务流程都是需要关注的。为了描述业务流程,可以简单利用文本记录,或者使用“业务流程建模标注”(BPMN)方法,也可以使用统一建模语言(UML)或其他类似方法。
  • 声明粒度
确定了业务流程后,下一步是声明模型的粒度。这里的粒度用于确定事实中表示的是什么,例如,一个零售店的顾客在购物小票上的一个购买条目。在选择维度和事实前必须声明粒度,因为每个候选维度或事实必须与定义的粒度保持一致。
从给定的业务流程获取数据时,原始粒度是最低级别的粒度。建议从原始粒度数据开始设计,因为原始记录能够给满足无法预期的用户查询。汇总后的数据粒度对优化查询性能很重要,但这样的粒度设计往往不能满足对细节数据的查询需求。不同的事实可以有不同的粒度,但同一事实中不要混用多种不同的粒度。
  • 确认维度
设计过程的第三步是确认模型的维度。维度的粒度必须和第二部所声明的粒度一致。维度表是事实表的基础,也说明了事实表的数据是从哪里采集来的。典型的维度都是名词,如日期、商店、库存等。维度表存储了某一维度的所有相关数据,例如,日期维度应该包括年、季度、月、周、日等数据。
  • 确认事实
最后一步是确认事实,这一步识别数字化的度量,构成事实表的记录。用户是直接通过事实表的访问获取数据仓库存储的数据。大部分事实表的度量都是数字类型的,可累加,可计算,如成本、数量、金额等。注:下为业务场景应用 上为数据源 1.webp.jpg

Ralph Kimball-自下而上的建立数据仓库


2.webp.jpg
Bill Inmon-自上而下的建设企业数据仓库

2、维度建模的三种模式


2.1 星型模式
3.webp.jpg
星型模式

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



2.2 雪花模式

4.webp.jpg
雪花模式

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。


2.3 星座模式



5.webp.jpg
星座模式

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。


2.4 星型模式和雪花模式对比


6.webp.jpg
星型模型vs雪花模型

1.数据优化
  • 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。
2.业务模型
  • 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。
3.性能
  • 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。)
4.ETL
  • 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。
5.总结
  • 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?”
【参考】
https://mp.weixin.qq.com/s/2rUkDD_HdQWCa3CweJaCog
https://blog.csdn.net/weixin_34143774/article/details/86251440
https://blog.csdn.net/zhaodedong/article/details/54174011


作者:惊不意外
链接:https://www.jianshu.com/p/daab50a23c56
来源:简书


楼主热帖
168大数据(www.bi168.cn)是国内首家系统性关注大数据科学与人工智能的社区媒体!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2021-7-24 19:29 , Processed in 0.056386 second(s), 21 queries , Xcache On.

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表