數(shù)據(jù)倉庫建模，就是數(shù)據(jù)的組織和存儲方法，它強(qiáng)調(diào)從業(yè)務(wù)出發(fā)，將數(shù)據(jù)有序組織和存儲起來。本文作者對數(shù)據(jù)倉庫建模常用模型進(jìn)行了分析，一起來看一下吧。

一、數(shù)據(jù)倉庫建模是什么？

數(shù)據(jù)倉庫建模就是數(shù)據(jù)的組織和存儲方法，舉個(gè)例子，數(shù)據(jù)倉庫的建模就類似于家庭物品收納問題，我們會按照物品的特性以及自身的喜好將物品進(jìn)行一個(gè)井然有序的整理收納，使我們清晰地知道物品歸放的位置，便于日后查找使用，也能無形地讓大腦標(biāo)記物品位置，形成歸類統(tǒng)一意識，漸漸成為一種好習(xí)慣。

數(shù)據(jù)建模也是如此，它強(qiáng)調(diào)從業(yè)務(wù)出發(fā)，將數(shù)據(jù)有序組織和存儲起來，只有做到這樣，數(shù)據(jù)才可以高效率、高質(zhì)量、高性能、低成本地使用，才可以更好地支持企業(yè)決策，賦能企業(yè)業(yè)務(wù)，提升企業(yè)綜合實(shí)力。

二、數(shù)據(jù)倉庫建模常用模型淺析

1. ER模型（實(shí)體關(guān)系模型）

數(shù)據(jù)倉庫之父Bill Inmon提出的建模方法是從全企業(yè)的高度，用實(shí)體關(guān)系（Entity Relationship，ER）模型來描述企業(yè)業(yè)務(wù)，并用規(guī)范化的方式表示出來，在范式理論上符合3NF。

1）什么是實(shí)體關(guān)系模型

實(shí)體關(guān)系模型由美籍華裔計(jì)算機(jī)科學(xué)家陳品山發(fā)明，用概念數(shù)據(jù)模型的描述所使用的數(shù)據(jù)或模式圖，實(shí)體關(guān)系模型將復(fù)雜的數(shù)據(jù)抽象為兩個(gè)概念——實(shí)體和關(guān)系。實(shí)體表示一個(gè)對象，例如商店、員工這兩個(gè)對象，關(guān)系是指兩個(gè)實(shí)體之間的關(guān)系，例如員工和商店的從屬關(guān)系。對象與對象的關(guān)系可以分為1-1，1-n,n-n這三種類型，舉例說明：

• 1-1：一個(gè)商店只能有一個(gè)店長，一個(gè)店長只能在一個(gè)商店中任職，則商店和店長就是1對1的關(guān)系。
• 1-n：一個(gè)商店有很多雇員，雇員只屬于這個(gè)商店。則商店和雇員就是1對多的關(guān)系。
• n-n:商店里有很多商品，商品也可以在多個(gè)商店售賣，則商店和商品就是多對多的關(guān)系。

2）范式理論是什么？

范式是表結(jié)構(gòu)設(shè)計(jì)標(biāo)準(zhǔn)的級別，是關(guān)系的約束條件的規(guī)范，關(guān)系型數(shù)據(jù)庫的范式一共有六種，分別是第一范式（1NF）、第二范式（2NF）、第三范式（3NF）、巴斯-科德范式（BCNF）、第四范式(4NF）和第五范式（5NF）。遵循的范式級別越高，數(shù)據(jù)冗余性就越低。

因?yàn)閿?shù)據(jù)倉庫ER建模遵循3范式標(biāo)準(zhǔn)，本文就只針對于前3個(gè)范式進(jìn)行講解，其他的范式不再贅述， 感興趣的讀者可以自己查詢下相關(guān)資料。

數(shù)據(jù)庫規(guī)范化就是使用一系列范式設(shè)計(jì)數(shù)據(jù)庫（通常是關(guān)系型數(shù)據(jù)庫）的過程，其目的是減少數(shù)據(jù)冗余，增強(qiáng)數(shù)據(jù)的一致性，必須要注意的一點(diǎn)是范式存在前置依賴，如要使用第三范式，設(shè)計(jì)數(shù)據(jù)庫時(shí)必須依賴于使用前兩個(gè)范式的之后，才可以按照第三范式的繼續(xù)設(shè)計(jì)數(shù)據(jù)庫表。具體設(shè)計(jì)時(shí)要根據(jù)業(yè)務(wù)實(shí)際流程，一般遵循第三范式即可。

第一范式：強(qiáng)調(diào)列的原子性，要求每列屬性不可分割。

"="">

第二范式：在1范式的基礎(chǔ)上,要求屬性必須依賴于主鍵，不能存在部分函數(shù)依賴。

函數(shù)依賴：某個(gè)屬性集x決定另一個(gè)屬性集y時(shí)，稱另一屬性集y依賴于該屬性集x。如學(xué)號和姓名，通過學(xué)號可以找到姓名，那么就說姓名依賴于學(xué)號。

完全函數(shù)依賴：通過xy能得到z，但是單獨(dú)通過x或者通過y得不到z，那么就稱z完全依賴于xy。如：學(xué)號，課程和成績?？梢酝ㄟ^學(xué)號和課程得到成績，但是單獨(dú)通過課程和學(xué)號得不到課程，就說成績完全依賴于課程和學(xué)號。

部分函數(shù)依賴：通過xy能得到z，通過x得到z或者通過y也可以得到z，那么就說z部分依賴于xy，如學(xué)號、姓名和性別，通過學(xué)號和姓名可以找到性別，也可以通過學(xué)號單獨(dú)找到性別，就說性別部分依賴于學(xué)號和姓名。

傳遞函數(shù)依賴：通過x能得到y(tǒng)，通過y得到z，那么就說z傳遞依賴于x，如通過學(xué)號得到班級名稱，在通過班級名稱找到班主任，就可以說班主任傳遞依賴于學(xué)號。

"="" alt="干貨 | 數(shù)據(jù)倉庫建模超詳細(xì)攻略！?。? />

如上圖所示：表中的主鍵如果是（學(xué)號、課程）的話，通過（學(xué)號、課程）可以找到成績，分?jǐn)?shù)是完全依賴于（學(xué)號、課程）但是姓名可以單獨(dú)通過學(xué)號找到，姓名不完全依賴于找到（學(xué)號、課程），故不符合第二范式。調(diào)整后如下所示：

="" src="https://image.woshipm.com/wp-files/2022/12/hZLOdIkWWRrWQvKERNrK.png">

如圖所示：上邊這張表中，如果想要找到輔導(dǎo)，通過學(xué)號找到班級，通過班級找到輔導(dǎo)員，存在很明顯的函數(shù)依賴，故不符合第三范式要求，調(diào)整后如圖所示：

"="">

那么我們以訂單業(yè)務(wù)為例，采用ER模型遵循3范式建模，按照這種方式將數(shù)據(jù)進(jìn)行規(guī)范化處理，則可以構(gòu)建出下圖所示的數(shù)倉模型，值得注意的是下圖只是將一部分交易流程進(jìn)行了繪制，訂單風(fēng)控、訂單退貨退款、訂單評價(jià)等還沒有繪制到模型中。

從圖中我們可以看出按照這樣的方式進(jìn)行數(shù)據(jù)建模，雖然減少了數(shù)據(jù)冗余性，保證了數(shù)據(jù)的一致性，但是如果要查詢一個(gè)相關(guān)的指標(biāo)或者事實(shí)可能需要關(guān)聯(lián)十幾張表，在數(shù)據(jù)量小，有索引的情況下可能還好些，如果數(shù)據(jù)量十分驚人，數(shù)以億計(jì)，那查詢的速度可能十分緩慢，甚至可能會造成宕機(jī)，顯而易見這種模型不太適合直接應(yīng)用于業(yè)務(wù)分析和計(jì)算場景。

2. 維度模型

維度模型是Ralph Kimball 在90年代提出的數(shù)倉建模理論，并在于1996年發(fā)布的《The Data Warehouse Toolkit》一書中詳細(xì)介紹了維度建模理論知識。

維度建模之所以能受到廣泛的關(guān)注和認(rèn)可，一方面是因?yàn)樗鼜钠髽I(yè)決策分析作為出發(fā)點(diǎn)，為數(shù)據(jù)分析服務(wù)，它的初衷是旨在，使用戶更快的完成數(shù)據(jù)分析，以及更好地實(shí)現(xiàn)大規(guī)模復(fù)雜的查詢操作。另外一方面，得益于技術(shù)的發(fā)展，基礎(chǔ)存儲硬件的成本逐年降低，同時(shí)硬件的計(jì)算性能也大幅度提升，才使得維度建模能夠走上歷史舞臺，得到海內(nèi)外企業(yè)和用戶的認(rèn)同。

維度模型將企業(yè)的業(yè)務(wù)通過兩個(gè)方面進(jìn)行數(shù)據(jù)建模，即事實(shí)表和維度表。事實(shí)通常指企業(yè)具體的業(yè)務(wù)過程，如登錄、注冊、加購、下單等等，需要注意的是建模時(shí)通常會選擇最細(xì)粒度的業(yè)務(wù)過程數(shù)據(jù)作為事實(shí)表，如訂單事實(shí)表會選訂單明細(xì)表作為基礎(chǔ)事實(shí)表，而上邊簡述的ER模型則選訂單主表作為基礎(chǔ)，維度通常指業(yè)務(wù)過程發(fā)生時(shí)所處的環(huán)境，如何人、何地、何時(shí)、何種東西，何種方法做了哪些事情。

具體細(xì)節(jié)應(yīng)該聯(lián)系業(yè)務(wù)過程，通過5W2H的方法進(jìn)行分析，繪制出具體的總線矩陣。按照維度建模理論，我們將上述訂單過程進(jìn)行了一個(gè)初步建模，中間的為事實(shí)表，周邊的為維度表，需要注意的是，本次建模的內(nèi)容和上邊ER模型講解保持了一致，所以也沒有涵蓋所有的維度，如圖所示：

"="" alt="干貨 | 數(shù)據(jù)倉庫建模超詳細(xì)攻略?。?！">

從上圖中可以看出，維度建模數(shù)據(jù)結(jié)構(gòu)相對ER模型來說，更為清晰簡潔，查詢時(shí)連表操作相對較少，可以及時(shí)響應(yīng)大量且復(fù)雜的查詢操作，提升業(yè)務(wù)分析速度，快速支持業(yè)務(wù)決策。但是數(shù)據(jù)存在大量冗余，需要消耗大量存儲空間。