范式建模维度建模比较.docxVIP

----宋停云与您分享---- ----宋停云与您分享---- 模型结构简单，星型模型为主开发周期短，能够快速迭代 模型结构简单，星型模型为主 开发周期短，能够快速迭代 维护成本较高 维度建模是面向分析，为了提高查询性能可以增加数据冗余，反规范化的设计技 术 范式建模一、 范式建模 这样的设计方式是在关系型数据库中常用的， Inmon 的范式建模法的最大优点就是从关系型数据库的角度出发，结合了业务系统的数据模型，能够比较方便的实现数据仓库的建模。 1.1 范式化模型设计需满足下面三大范式： 1.1 范式化模型设计需满足下面三大范式： 1.1.1 1.1.1 第一范式（1NF）:原子性 字段不可再分,否则就不是关系数据库; 1.1.2 第二范式（2NF）:唯一性 一个表只说明一个事物;1.1.3 1.1.2 第二范式（2NF）:唯一性 一个表只说明一个事物; 1.1.3 第三范式（3NF）:每列都与主键有直接关系，不存在传递依赖; 1.2 特点： 1.2 特点： 同一份数据只存放在一个地方，因此只能从一个地方获取，没有数 同一份数据只存放在一个地方，因此只能从一个地方获取，没有数 据冗余，保证了数据一致性； 解耦（系统级与业务级），方便维护； 设计思路自上而下，适合上游基础数据存储，同一份数据只存储一 份，没有数据冗余，方便解耦，易维护，缺点是开发周期一般比较 长，维护成本高； 二、维度建模维度建模是一种将数据结构化的逻辑设计方法，它将客观世界划分为度量 二、维度建模 维度建模是一种将数据结构化的逻辑设计方法，它将客观世界划分为度量 和上下文。度量是常常是以数值形式出现，事实周围有上下文包围着，这种上下文被直观地分成的逻辑块，称之为维度。维度建模是面向分析，为了提高查询性能可以增加数据冗余，反规范化的设计技术。 2.1 特点： ----宋停云与您分享---- ----宋停云与您分享---- 设计思路是自下而上，适合下游应用数据存储，适合统计多层次维度的汇总，开发周期短，缺点是维护成本高 维度建模的常见模式 星形模式 星形模式(Star Schema)是最常用的维度建模方式，下图展示了使用星形模式进行维度建模的关系结构： 维度 C 维度 B FK FK 维度 D FK 事实表 FK 维度 A FK FK ----宋停云与您分享---- ----宋停云与您分享---- 维度 E ……. ----宋停云与您分享---- ----宋停云与您分享---- 可以看出，星形模式的维度建模由一个事实表和一组维表成，且具有以下特点： 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 ----宋停云与您分享---- ----宋停云与您分享---- 接的外码；  以事实表为核心，维表围绕核心呈星形分布； ----宋停云与您分享---- ----宋停云与您分享---- 雪花模式 雪花模式(Snowflake Schema)是对星形模式的扩展，每个维表可继续向外连接多个子维表。下图为使用雪花模式进行维度建模的关系结构： ----宋停云与您分享---- ----宋停云与您分享---- 维度表 C  FK  FK 维度表 B FK FK 维度表 B1 维度表 B2 ----宋停云与您分享---- ----宋停云与您分享---- 维度表 D FK 事实表 FK 维度表 A 维度表 A1 FK FK ----宋停云与您分享---- ----宋停云与您分享---- 维度表 E ……. ----宋停云与您分享---- ----宋停云与您分享---- 星形模式中的维表相对雪花模式来说要大，而且不满足规范化设计。雪花模型相当于将星形模式的大维表拆分成小维表，满足了规范化设计。然而这种模式在实际应用中很少见，因为这样做会导致开发难度增大，而数据冗余问题在数据仓库里并不严重。 维度建模的设计方法 ----宋停云与您分享---- ----宋停云与您分享---- 选定业务过程 确定粒度 确定维度 确定事实 ----宋停云与您分享---- ----宋停云与您分享---- ----宋停云与您分享---- ----宋停云与您分享---- 根据根据业务过程的优先级选定业务过程。 维度建模设计流程图 高层模型设计 确定事实表粒度，最好是原子级粒度。 有了业务过程 和粒度，就要选择相关的维度。 选择适用于业 务过程的事实。 ----宋停云与您分享---- ----宋停云与您分享---- 2.6 识别维度和度量 2.6 识别维度和度量 日期 订单杂项 订单 产品 客户 有了高层模型，就要设计维度和度量，维度和度量清单不仅仅是业务用户所关心， 还要从业务过程出发，自上而下的设计所涉及的维度和度量。防止业务用户的需求变化带来的冲