数据仓库主题建模点滴数据仓库主题建模点滴.pdf

数据仓库主题建模点滴 沈志良 2007- 10 DW建模的原则 简单性 方便分析展现的实现。OLTP数据实现分析展现较难 完整性 保留业务数据的所有内容，不能因建模丢失信息 高效性 执行查询时，尽可能使连接减少，提升查询效率 通用性 符合业界标准的模型（如星型），可以用主流商业BI软件 来分析展示模型数据 一些概念 事实表和维表  事实表：维键和度量  维表：列上是属性，行是成员  有些表既是事实表又是维表 事实表的颗粒 刻画数据的细节程度 一些概念 根据数据粒度事实表的分类 事务粒度事实表（Transaction Grain ） 周期快照粒度事实表（Periodic Snapshot Grain） 例子：i@Report中的月报。这种事实表一般都有报表期。 累计快照粒度事实表（Accumulating Snapshot Grain ）。 例子：针对某合同，客户的付款累计。（另外对应付款Detail主题） 这种事实表一般有起止时间，止时间可能是 “将来”。 维表的分类 层级维 单级维 退化维 再议星型结构 产品维表 供应商ID 产品ID 供应商名称 类别 信用等级 大类别 电话 日期维表 销售主题表 供应商 日期ID 产品ID 日 客户ID 客户ID 月 客户名称 日期ID 季 市名 销售金额 年 省名 国名 星型模型 Star Schema 客户维表 通过冗余的方法，尽可能把雪花或其他复杂模型转变成星型模型 一个典型的星型维  完整的日期维 日期主键 年 季度 月 周序 星期 节假日 其他属性 2006 1 1 1 3 元旦 „„ 2006 1 3 9 6 非 „„ 2006 4