数据仓库维度建模

数据仓库维度建模

数据仓库作用：将不同数据资源整合，为企业决策提供数据支撑。
维度建模：顾名思义就是以不同维度的角度分析数据而建立的数据模型。

模型层级概览：

红色框框内为数据仓库基础层级划分

stg（缓冲层）：将接入的不同类型的源数据清晰、转换等处理后存储于表中。
dim（维度层）：从缓冲层中获取数据，整合分析数据需要的维度信息存储于表中。
ods（数据仓库层）：将同业务链上的业务数据整合成适合数据统计分析的基础数据大表。
dw（主题层）：按维度层中整合的维度信息统计业务数据，行程业务指标存储于表中。
dm（应用层）：将数据统计分析得出的数据结论存储于表中，以便数据应用。

维度建模又可分为：星型模型和雪花模型。
星型模型：一张事实表可以从多张不同维度信息表来统计分析数据，或者一张维度信息表可以分析不同的事实表。

雪花模型：雪花模型其实就是星型模型的进化版，随着业务数据的增长，业务类型的多样化，普通的星型模型难以满足数据统计分析，便会慢慢演变成雪花模型，一张事实表可以从多张不同维度信息表来统计分析数据，且一张维度信息表可以分析不同的事实表，以此维度表和事实表相互扩张，又如雪花一样相互依赖。