漫談數(shù)據(jù)倉庫之維度建模 - 簡書 http://www.reibang.com/p/17baa9f96ca7
0x00 前言
下面的內(nèi)容,是筆者在學習和工作中的一些總結(jié)怀偷,其中概念性的內(nèi)容大多來自書中吧凉,實踐性的內(nèi)容大多來自自己的工作和個人理解愚战。由于資歷尚淺瞻想,難免會有很多錯誤咆耿,望批評指正羹与!
概述
數(shù)據(jù)倉庫包含的內(nèi)容很多故硅,它可以包括架構(gòu)、建模和方法論纵搁。對應到具體工作中的話吃衅,它可以包含下面的這些內(nèi)容:
以Hadoop、Spark腾誉、Hive等組建為中心的數(shù)據(jù)架構(gòu)體系徘层。
各種數(shù)據(jù)建模方法,如維度建模利职。
調(diào)度系統(tǒng)趣效、元數(shù)據(jù)系統(tǒng)、ETL系統(tǒng)猪贪、可視化系統(tǒng)這類輔助系統(tǒng)跷敬。
我們暫且不管數(shù)據(jù)倉庫的范圍到底有多大,在數(shù)據(jù)倉庫體系中热押,數(shù)據(jù)模型的核心地位是不可替代的西傀。
因此,下面的將詳細地闡述數(shù)據(jù)建模中的典型代表:維度建模桶癣,對它的的相關(guān)理論以及實際使用做深入的分析拥褂。
文章結(jié)構(gòu)
本文將按照下面的順序進行闡述:
先介紹比較經(jīng)典和常用的數(shù)據(jù)倉庫模型,并分析其優(yōu)缺點牙寞。
詳細介紹維度建模的基本概念以及相關(guān)理論饺鹃。
為了能更真切地理解什么是維度建模,我將模擬一個大家都十分熟悉的電商場景间雀,運用前面講到的理論進行建模悔详。
理論和現(xiàn)實的工作場景畢竟會有所差距,這一塊雷蹂,我會分享一下企業(yè)在實際的應用中所做出的取舍。
0x01 經(jīng)典數(shù)據(jù)倉庫模型
下面將分別介紹四種數(shù)據(jù)倉庫模型杯道,其中前三種模型分別對應了三本書:《數(shù)據(jù)倉庫》匪煌、《數(shù)據(jù)倉庫工具箱》和《數(shù)據(jù)架構(gòu) 大數(shù)據(jù) 數(shù)據(jù)倉庫以及Data Vault》责蝠,這三本書都有中文版,非常巧的是萎庭,我只有三本數(shù)據(jù)倉庫的書霜医,正好對應了這三種理論。
Anchor模型我并不是特別熟悉驳规,放在這里以供參考肴敛。
一、實體關(guān)系(ER)模型
數(shù)據(jù)倉庫之父Immon的方法從全企業(yè)的高度設(shè)計一個3NF模型吗购,用實體加關(guān)系描述的數(shù)據(jù)模型描述企業(yè)業(yè)務(wù)架構(gòu)医男,在范式理論上符合3NF,它與OLTP系統(tǒng)中的3NF的區(qū)別捻勉,在于數(shù)據(jù)倉庫中的3NF上站在企業(yè)角度面向主題的抽象镀梭,而不是針對某個具體業(yè)務(wù)流程的實體對象關(guān)系抽象,它更多的是面向數(shù)據(jù)的整合和一致性治理踱启,正如Immon所希望達到的:“single version of the truth”报账。
但是要采用此方法進行構(gòu)建,也有其挑戰(zhàn):
需要全面了解企業(yè)業(yè)務(wù)和數(shù)據(jù)
實施周期非常長
對建模人員的能力要求也非常高
二埠偿、維度模型
維度模型是數(shù)據(jù)倉庫領(lǐng)域另一位大師Ralph Kimall所倡導透罢,他的《The DataWarehouse Toolkit-The Complete Guide to Dimensona Modeling,中文名《數(shù)據(jù)倉庫工具箱》冠蒋,是數(shù)據(jù)倉庫工程領(lǐng)域最流行的數(shù)倉建模經(jīng)典羽圃。維度建模以分析決策的需求出發(fā)構(gòu)建模型,構(gòu)建的數(shù)據(jù)模型為分析需求服務(wù)浊服,因此它重點解決用戶如何更快速完成分析需求统屈,同時還有較好的大規(guī)模復雜查詢的響應性能。
典型的代表是我們比較熟知的星形模型牙躺,以及在一些特殊場景下適用的雪花模型愁憔。
三、DataVault
DataVault是Dan Linstedt發(fā)起創(chuàng)建的一種模型方法論孽拷,它是在ER關(guān)系模型上的衍生吨掌,同時設(shè)計的出發(fā)點也是為了實現(xiàn)數(shù)據(jù)的整合,并非為數(shù)據(jù)決策分析直接使用脓恕。它強調(diào)建立一個可審計的基礎(chǔ)數(shù)據(jù)層膜宋,也就是強調(diào)數(shù)據(jù)的歷史性可追溯性和原子性,而不要求對數(shù)據(jù)進行過度的一致性處理和整合炼幔;同時也基于主題概念將企業(yè)數(shù)據(jù)進行結(jié)構(gòu)化組織秋茫,并引入了更進一步的范式處理來優(yōu)化模型應對源系統(tǒng)變更的擴展性。
它主要由:Hub(關(guān)鍵核心業(yè)務(wù)實體)乃秀、Link(關(guān)系)肛著、Satellite(實體屬性) 三部分組成 圆兵。
四、Anchor模型
Anchor模型是由Lars. R?nnb?ck設(shè)計的枢贿,初衷是設(shè)計一個高度可擴展的模型殉农,核心思想:所有的擴展只是添加而不是修改,因此它將模型規(guī)范到6NF局荚,基本變成了K-V結(jié)構(gòu)模型超凳。
Anchor模型由:Anchors 、Attributes 耀态、Ties 轮傍、Knots 組成,相關(guān)細節(jié)可以參考《AnchorModeling-Agile Information Modeling in Evolving Data Environments》
0x02 維度建模
一茫陆、什么是維度建模
維度模型是數(shù)據(jù)倉庫領(lǐng)域大師Ralph Kimall所倡導金麸,他的《數(shù)據(jù)倉庫工具箱》,是數(shù)據(jù)倉庫工程領(lǐng)域最流行的數(shù)倉建模經(jīng)典簿盅。維度建模以分析決策的需求出發(fā)構(gòu)建模型挥下,構(gòu)建的數(shù)據(jù)模型為分析需求服務(wù),因此它重點解決用戶如何更快速完成分析需求桨醋,同時還有較好的大規(guī)模復雜查詢的響應性能棚瘟。
我們換一種方式來解釋什么是維度建模。學過數(shù)據(jù)庫的童鞋應該都知道星型模型喜最,星型模型就是我們一種典型的維度模型偎蘸。我們在進行維度建模的時候會建一張事實表,這個事實表就是星型模型的中心瞬内,然后會有一堆維度表迷雪,這些維度表就是向外發(fā)散的星星。那么什么是事實表虫蝶、什么又是維度表嗎章咧,下面會專門來解釋。
二能真、維度建模的基本要素
維度建模中有一些比較重要的概念赁严,理解了這些概念,基本也就理解了什么是維度建模粉铐。
1. 事實表
發(fā)生在現(xiàn)實世界中的操作型事件疼约,其所產(chǎn)生的可度量數(shù)值,存儲在事實表中蝙泼。從最低的粒度級別來看程剥,事實表行對應一個度量事件,反之亦然汤踏。
額织鲸,看了這一句哨免,其實是不太容易理解到底什么是事實表的。
比如一次購買行為我們就可以理解為是一個事實昙沦,下面我們上示例。
p1.png
圖中的訂單表就是一個事實表载荔,你可以理解他就是在現(xiàn)實中發(fā)生的一次操作型事件盾饮,我們每完成一個訂單,就會在訂單中增加一條記錄懒熙。
我們可以回過頭再看一下事實表的特征丘损,在維度表里沒有存放實際的內(nèi)容,他是一堆主鍵的集合工扎,這些ID分別能對應到維度表中的一條記錄徘钥。
2. 維度表
每個維度表都包含單一的主鍵列。維度表的主鍵可以作為與之關(guān)聯(lián)的任何事實表的外鍵肢娘,當然呈础,維度表行的描述環(huán)境應與事實表行完全對應。 維度表通常比較寬橱健,是扁平型非規(guī)范表而钞,包含大量的低粒度的文本屬性。
我們的圖中的用戶表拘荡、商家表臼节、時間表這些都屬于維度表,這些表都有一個唯一的主鍵珊皿,然后在表中存放了詳細的數(shù)據(jù)信息网缝。
0x03 實踐
下面我們將以電商為例,詳細講一下維度建模的建模方式蟋定,并舉例如果使用這個模型(這點還是很重要的)粉臊。
一、業(yè)務(wù)場景
假設(shè)我們在一家電商網(wǎng)站工作溢吻,比如某寶维费、某東。我們需要對這里業(yè)務(wù)進行建模促王。下面我們分析幾點業(yè)務(wù)場景:
電商網(wǎng)站中最典型的場景就是用戶的購買行為犀盟。
一次購買行為的發(fā)起需要有這幾個個體的參與:購買者、商家蝇狼、商品阅畴、購買時間、訂單金額迅耘。
一個用戶可以發(fā)起很多次購買的動作贱枣。
好监署,基于這幾點,我們來設(shè)計我們的模型纽哥。
二钠乏、模型設(shè)計
下面就是我們設(shè)計出來的數(shù)據(jù)模型,和之前的基本一樣春塌,只不過是換成了英文晓避,主要是為了后面寫sql的時候來用。
![Uploading p3_414705.png . . .]
我就不再解釋每個表的作用了只壳,現(xiàn)在只說一下為什么要這樣設(shè)計俏拱。
首先,我們想一下吼句,如果我們不這樣設(shè)計的話锅必,我們一般會怎么做?
如果是我惕艳,我會設(shè)計下面這張表搞隐。你信不信,我能列出來50個字段远搪!其實我個人認為怎么設(shè)計這種表都有其合理性尔许,我們不論對錯,單說一下兩者的優(yōu)缺點终娃。
p3.png
先說我們的維度模型:
數(shù)據(jù)冗余形独取(因為很多具體的信息都存在相應的維度表中了,比如用戶信息就只有一份)
結(jié)構(gòu)清晰(表結(jié)構(gòu)一目了然)
便于做OLAP分析(數(shù)據(jù)分析用起來會很開心)
增加使用成本棠耕,比如查詢時要關(guān)聯(lián)多張表
數(shù)據(jù)不一致余佛,比如用戶發(fā)起購買行為的時候的數(shù)據(jù),和我們維度表里面存放的數(shù)據(jù)不一致
再說我們這張大款表的優(yōu)缺點:
業(yè)務(wù)直觀窍荧,在做業(yè)務(wù)的時候辉巡,這種表特別方便,直接能對到業(yè)務(wù)中蕊退。
使用方便郊楣,寫sql的時候很方便。
數(shù)據(jù)冗余巨大瓤荔,真的很大净蚤,在幾億的用戶規(guī)模下,他的訂單行為會很恐怖
粒度僵硬输硝,什么都寫死了今瀑,這張表的可復用性太低。
三、使用示例
數(shù)據(jù)模型的建立必須要為更好的應用來服務(wù)橘荠,下面我先舉一個例子屿附,來切實地感受一下來怎么用我們的模型。
需求:求出2016年在帝都的男性用戶購買的LV品牌商品的總價格哥童。
實現(xiàn):
SELECT SUM(order.money) FROM order, product, date, address, user, WHERE date.year = '2016' AND user.sex = 'male' AND address.province = '帝都' AND product.name = 'LV'
0xFF 總結(jié)
維度建模是一種十分優(yōu)秀的建模方式挺份,他有很多的優(yōu)點,但是我們在實際工作中也很難完全按照它的方式來實現(xiàn)贮懈,都會有所取舍压恒,比如說為了業(yè)務(wù)我們還是會需要一些寬表,有時候還會有很多的數(shù)據(jù)冗余错邦。