為什麼選擇維度建模，了解維度建模

維度模型是資料倉儲領域的大師拉爾夫·金博爾（Ralph Kimball）倡導的，基於分析和決策的需求構建模型，構建的資料模型服務於分析需求，因此它專注於如何更快地解決使用者的分析需求，同時對大規模複雜查詢具有更好的響應效能。

維度建模是乙個資料倉儲商業智慧型專案成功的關鍵，因為無論我們的資料量是從GB到TG還是PB，雖然資料量越來越大，但要想資料呈現成功，就必須建立在簡單的基礎上， 而維度建模始終在思考如何提供簡單性，以業務為驅動，以使用者理解和查詢效能為目標。

維度建模：維度建模是一種專門應用於分析資料庫、資料倉儲和資料集市建模的方法。 資料市場可以理解為一種“小資料倉儲”，維度建模指導我們如何在資料倉儲中構建表。

維度建模分為兩種型別的表：事實表和維度表。

事實表：一些必須存在的資料，如收集的日誌檔案和訂單表，可以用作事實表。

特點：它是一堆主鍵的集合，每個主鍵對應維度表中的一條記錄，客觀存在，並根據主題確定需要使用的資料。

維度表：維度是要分析的資料量，維度表是從適當的角度建立的表，用於分析問題：時間、區域、終端、使用者等。

維度建模的三種模式。

星型模式：最簡單、最常用的模式是最簡單、最常用的模式，以事實表為中心，所有維度表都直接連線到事實表。

請點選輸入描述。

雪花模式：雪花模式的維度表可以有其他維度表，不容易維護。

請點選輸入描述。

星座模型：它基於多個事實表並共享維度資訊，即一些維度表可以在事實表之間共享。

維度建模是一種邏輯設計方法，它通過將客觀世界劃分為度量值和上下文來構建資料。 指標通常以事實的形式出現，被上下文包圍，上下文直觀地劃分為獨立的邏輯塊，稱為維度。 它與實體關係建模有很大不同，實體關係建模是一種面向應用程式的設計技術，遵循第三種正規化，旨在消除資料冗餘。

維度建模是一種面向分析的非規範化設計技術，可以增加資料冗餘以提高查詢效能。

請參閱文章。

無冗餘** 方便。

1、收集業務需求及資料落實情況。

在開始維度建模之前，您需要了解業務的需求和源資料的實際情況作為基礎。 通過與業務代表的溝通來確定需求，以根據關鍵績效指標、競爭性業務問題、決策過程和對分析需求的支援來了解他們的目標。 通過與源資料的開發溝通，可以揭示資料的實際情況，以及構建高層次資料分析和訪問資料的可行性。

2. 關於協作維度建模的討論。

維度模型應通過一系列高層次的互動式討論和與業務代表的合作來設計。

3. 4步尺寸設計流程。

1. 選擇業務流程。

業務流程是由組織完成的操作活動。 業務流程事件建立或捕獲效能指標，並將其轉換為事實資料表中的事實。 大多數情況說明書都側重於業務流程的結果。

流程的選擇非常重要，因為流程定義了具體的設計目標以及粒度、維度、事實的定義。 每個業務流程對應企業資料倉儲匯流排矩陣的一行。

2. 宣告粒度。

宣告粒度是維度設計中的重要步驟。 在選擇維度或事實之前，必須宣告粒度，因為每個候選維度或事實都必須與定義的粒度一致。 確保設計各個維度的一致性是確保 BI 應用程式的效能和易用性的關鍵。

原子粒度是從給定業務流程中獲取資料時的最低粒度級別。 最好從原子粒度開始，它可以承受意外的使用者查詢。 對於不同的事實資料表粒度，請建立不同的物理表，並且不要在同一事實資料表中混合使用多個粒度。

3.確認環境的尺寸。

該維度圍繞著誰、什麼、在哪裡、何時、為什麼和如何參與商業國比大成事件的背景。 維度表包含 BI 應用程式篩選和分類事實所需的描述性屬性。 牢牢掌握事實資料表的粒度，可以區分所有可能的維度。

當與給定的事實資料表關聯時，維度表在任何情況下都保證具有唯一值。

4. 確認用於測量的事實。

事實設計來自於對業務流程事件的測量，這些事件基本上用定量值來表示。 事實資料表行與在事實資料表粒度上描述的指標事件之間存在一對一的關係，因此事實資料表對應於物理上可觀察的事件。 在事實表中，所有事實都只允許與生活的粒度一致。

建模中的維度和值密切相關。 在建模過程中，通常使用值來表示屬性或要素，可以是任何數值型別。 將這些值與其他屬性或特徵組合在一起可以形成多維陣列或資料結構，這可以稱為維度。

維度用於描述資料元素的屬性或特徵，而數值是對應於屬性或特徵的值。 在維度中，屬性或要素在維度中是離散的，而特定值是連續的。 例如，對於學生的分數，分數是乙個數值，而學生維度是乙個離散屬性。

在建模中，尺寸和值通常是一對一搜尋的。 資料元素的乙個維度對應乙個數值，這些維度和值的多維陣列可以形成各種不同的資料模型。 例如，在資料倉儲的星型模式中，維度通常是指業務域中的實體，而數值是對應於實體的度量值。

在資料分析和挖掘中，往往需要對資料進行多維度分析，通過分析不同維度和值之間的關係，可以深入挖掘資料之間的相關性和規律性，從而更好地理解資料，做出更好的決策。

您好，我很高興為您解答，做維度的好處 a）維度建模是可以使用的標準框架。允許資料庫系統和終端使用者查詢工具生成有關主要影響效能和效能的資料的強大假設。 ——後期極凱資料產品效能良好，b）星型連線模式的最佳框架，能容忍使用者行為的不可預知變化。

切換不同維度的查詢很容易 c）它具有很強的可擴充套件性，可以適應不可預測的新資料來源和新的設計決策。無需更改模型的粒度即可輕鬆新增新的分析維度和事實，而無需過載資料或重新編碼以適應新的更改。 更好的可伸縮性意味著所有以前的應用程式都可以繼續執行，而不會產生任何不同的結果。

良好的可擴充套件性。

a） 資料倉儲專案的定義和範圍。

b） 專案準備情況評估。

c） 業務理由 a） 業務需求收集。

b） 審查業務需求。

c） 資料審計維度建模。

維度建模是一種邏輯設計技術，它嘗試使用某種直觀的標準框架結構來表示資料，從而實現高效能訪問。 維度模型是一種快速交付技術，用於設計交付給終端使用者的資料庫。

定義資料倉儲匯流排結構。

a） 業務驅動的維度建模。

b） 資料倉儲匯流排結構矩陣。

c） 一致性維度。

d） 事實的一致性。

一致性維度和一致性事實是資料倉儲的“匯流排”

e） 單位資料集市。

採購訂單、發貨、付款。

** 對於單筆交易。

f） 多變數資料集市。

客戶利潤率，其中描述收益的傳統來源必須與描述成本的傳統來源結合使用。

** 適用於多筆交易。

應從單元資料集市開始建立資料集市。

g） 事務模式資料集市。

h） 定期快照資料集市。

i） 累積快照資料集市。

定義高階資料模型邏輯圖。

尺寸模型的設計過程。

a） 選擇業務流程。

b） 定義粒度。

c） 選定的尺寸。

d） 確定事實。

源資料目標資料對映（ETL 規則定義）。

a） 維度表對映。

b） 事實表對映。

製作文件。 a） 資料倉儲匯流排結構文件。

b） 高階資料模型文件。

c） 資料模型和 ETL 設計文件 建立物理資料模型。

a） 選擇資料建模工具。

b） 物理資料結構的設計。

制定初始索引計畫。

a） 為事實資料表建立索引。

b） 為維度表建立索引。

設計和建立資料庫例項。

a） 儲存資料庫建立指令碼和引數檔案。

b） 建立物理儲存結構。

製作文件。 a） 資料模型設計文件。

b） 資料庫建立指令碼文件。

c） 資料庫初始化指令碼文件。

d） 將相關零件的設計內容新增到資料模型和ETL設計文件中，並載入尺寸表的設計。

事實表負載設計。

聚合表和多維線上分析處理掛載。

資料倉儲的操作和自動化。

資料倉儲操作是定期在非公開基礎上執行的。

製作文件。 a） 專案開發文件。

b） 將資料模型和ETL設計文件相關部分的設計內容新增到資料集市定義中。

a） 維度定義。

b） 度量值組定義。

c） 計算成員定義。

透視定義。 多維資料集的子集是通過根據使用者應用程式的需要將多個度量值組組合在一起來定義的。

製作文件。 a） OLAP Cube 專案開發文件。

b） OLAP Cube 業務描述文件。

原理 1：將詳細的原子資料載入到維度結構中。

維度建模應該填充最基本的原子資料，以支援來自使用者查詢的不可預測的過濾和分組請求，使用者通常不希望一次看到一條記錄，但你不能做使用者想要遮蔽的資料，他們想要顯示的資料，如果只有聚合資料， 然後，您已經設定了資料的使用模式，當使用者想要更深入地挖掘資料時，他們會遇到障礙。當然，原子資料也可以通過高階維度建模來補充，但業務使用者不能只處理聚合資料，他們需要原始資料來回答不斷變化的問題。

原則 2：圍繞業務流程構建維度模型。

業務流程是由乙個組織執行的活動，它們表示可測量的事件，在訂單或結算旁邊，業務流程通常捕獲或生成與事件相關的獨特績效指標，在這些資料被轉換為事實後，每個業務流程都由乙個原子事實表表示，此外還有乙個流程事實表， 有時將多個流程事實資料表合併為乙個事實資料表，合併後的事實資料表是對單個流程事實資料表的良好補充，不能取代它們。

原則 3：確保每個事實表都有乙個與之關聯的日期維度表原則 2 中描述的可測事件始終具有日期戳資訊，並且每個事實表至少有乙個外來鍵，該外來鍵與日期維度表相關聯，其粒度為一天，使用日曆屬性和關於度量事件日期的非標準功能， 例如財務月份和公司假期指示器，有時是事實資料表中的多個日期外來鍵。