数据建模：数据仓库原理与构建.pdf

数据建模：数据仓库原理与构建数据建模：数据仓库原理与构建

数据仓库概述数据仓库概述

1.数据仓库的概念数据仓库的概念

数据仓库（DataWarehouse）是一种用于存储和管理大量数据的系统，主要用于支持业务智能

（BusinessIntelligence,BI）活动，特别是分析性报告和决策支持。数据仓库通常从各种不同的

源系统（如事务处理系统、关系数据库、外部数据等）中抽取数据，进行清洗、转换和整合，然

后存储在数据仓库中，以便进行深入分析和历史趋势的观察。

数据仓库的设计和构建遵循特定的原则，包括：-面向主题面向主题：数据仓库中的数据是围绕特定的业

务主题组织的，如销售、客户、产品等。-集成性集成性：数据仓库中的数据是从多个源系统中抽取并

整合的，确保数据的一致性和完整性。-非易失性非易失性：一旦数据进入数据仓库，通常不会被修改或

删除，以保持历史数据的准确性。-时间相关性时间相关性：数据仓库中的数据包含时间戳，用于追踪数据

随时间的变化。

2.数据仓库与操作型数据库的区别数据仓库与操作型数据库的区别

数据仓库与操作型数据库（OperationalDatabase）的主要区别在于它们的用途和设计原则。操作

型数据库主要用于日常业务操作，如处理交易、更新记录等，而数据仓库则用于数据分析和报

告。具体区别如下：

•数据量数据量：数据仓库通常存储大量的历史数据，而操作型数据库主要处理当前的业务数

据。

•数据更新数据更新：操作型数据库频繁更新，而数据仓库的数据更新较少，主要进行定期的批量

加载。

•数据结构数据结构：操作型数据库的数据结构设计以满足业务操作的效率，而数据仓库的数据结

构设计以支持复杂查询和分析。

•数据一致性数据一致性：操作型数据库强调数据的一致性和实时性，而数据仓库更注重数据的集成

性和历史准确性。

3.数据仓库的架构数据仓库的架构

数据仓库的架构可以分为几种类型，包括：-星型架构（星型架构（StarSchema））：这是最简单和最直观

的数据仓库架构，由一个中心事实表和多个维度表组成。事实表包含业务事件的度量值，维度表

则提供描述事实的上下文信息。-雪花架构（雪花架构（SnowflakeSchema））：星型架构的扩展，维度表进

一步被规范化，形成多层的维度表结构，形如雪花。-事实星座架构（事实星座架构（FactConstellation

Schema））：包含多个事实表，每个事实表都有自己的维度表，适用于处理多种业务主题。

3.1星型架构示例星型架构示例

假设我们有一个销售数据仓库，包含销售事实表和产品、客户、时间维度表。

--创建销售事实表

CREATETABLEsales(

sale_idINT,

product_idINT,

customer_idINT,

sale_dateDATE,

sale_amountDECIMAL(10,2)

);

--创建产品维度表

CREATETABLEproducts(

product_idINT,

product_nameVARCHAR(255),

product_categoryVARCHAR(255)

);

--创建客户维度表

CREATETABLEcustomers(

customer_idINT,

customer_nameVARCHAR(255),

customer_cityVARCHAR(255)

);

--创建时间维度表

CREATETABLEtimes(

time_idINT,

sale_dateDATE,

day_of_weekVARCHAR(20),

monthVARCHAR(20),

yearINT

);

4.数据仓库的业务价值数据仓库的业务价值

数据仓库为企业提供了以下业务价值：-决策支持决策支持：通过历史数据分析，支持管理层做出更明智

的决策。-业务洞察业务洞察：帮助企业发现业务模式和趋势，优化业务流程。-合规性合规性：存储和管理数

据以满足法规要求，如财务报告和审计。-客户分析客户分析：通过客户行为数据，进行客户细分和个性

化营销。-产品分析产品分析：分析产品销售数据，优化产品