?數據建設，解決的目標就是從數據源頭到數據價值實現的全鏈路工作言蛇，我們把這個鏈路比作有機蔬菜的商業(yè)化實現滑黔。那么笆包，數據倉庫建設就好比是這個商業(yè)化餐廳的廚師了。企業(yè)需求千萬萬拷沸，廚師的技能卻是有章可循的色查。
?本篇文章是基于kimball的代表作《數據倉庫工具箱》薯演，如果你是分析師撞芍、架構師或者是業(yè)務，對維度建模感興趣跨扮，那么不妨看上一看序无。對你來說，了解別人在干嘛衡创，對溝通成功率也能多一分提升帝嗡。如果想更深一步了解相關知識或者案例，建議您抽時間來看看這本書璃氢。
事實與維度
事實表
?事實哟玷，表示某個業(yè)務過程中的度量。比如你在制造一也、消費巢寡、存儲等過程中，與之對應的都會有可度量的事實椰苟。比如說造了多少個螺絲抑月，花了多少鈔票，倉庫剩余的存貨等舆蝴。事實表往往保留著維度表的鍵谦絮，以分析這些維度下事實的發(fā)展和變化题诵。
事務事實表
?一個明確細化的業(yè)務過程，對應的是時間或空間上某點的度量事件层皱，比如購物時的下單過程性锭。圍繞著此過程，考慮的指標可能有：下單數奶甘，下單金額篷店，下單商品數等。
周期快照事實表
?匯總發(fā)生在某一個特定周期臭家，如某一天疲陕、某周、某月的多個度量事件钉赁。一般包含多個事實蹄殃，它將符合同一個粒度的事實匯總起來。
累積快照事實表
?匯總發(fā)生在過程開始與結束之間可預測步驟內的度量事件（如入庫你踩、分揀诅岩、出庫）。管道或工作流過程(下單带膜、支付吩谦、退款等)具有定義的開始點、標準中間過程膝藕、定義的結束點式廷，他們在此類事實表中都可以被建模。
合并事實表
?將來自多個過程的芭挽、以相同粒度表示的事實合并為單一的合并事實表但指。為過程關聯性強羡棵，探索不同業(yè)務過程的之間的關聯，提供簡單快捷的分析。
事實表處理
- 一致性：業(yè)務過程應該能夠被清晰地定義晓铆，有著明確的業(yè)務邊界唇牧；對于表的創(chuàng)建烹看，應符合統(tǒng)一的規(guī)范百宇，增加可讀性；對于字段的使用昙篙，也應能夠做到同詞同義腊状；
- 可加性：度量值中類似銷量，是完全可加的瓢对；庫存寿酌，半可加的，你不能跨時間維度硕蛹；單價醇疼，不可加的硕并。而對于事實表中，我們盡可能的存儲完全可加的度量值秧荆，對于半可加倔毙、不可加度量值，通過拆分子乙濒、分母的形式達到我們的目的
維度表
?維度陕赃，是包含于業(yè)務過程度量事件有關的文本環(huán)境。它們用于描述與“誰颁股、什么么库、哪里、何時甘有、如何诉儒、為什么”有關的事件。維度常為一個主體亏掀，事實是跟這個主體有關的事務忱反。區(qū)別維度與事實，最重要的一點就是是否具有可計算性滤愕。
雪花維度
?為了維度表中的層級更加規(guī)范温算，通過與基本維度關聯，獲取低粒度屬性间影。這個過程包含如果包含多重維度表層次時注竿，這樣的模型即為雪花模型。這樣的模型宇智，對于理解蔓搞、查詢胰丁、性能都有很大影響随橘。建立扁平化、非規(guī)范化的維度表完全能夠替代雪花锦庸。
雜項維度
?在業(yè)務發(fā)展中机蔗，有很多各種各樣的小維度，重要而又龐雜甘萧。我們可以通過將這些小維度合并到統(tǒng)一的雜項維度表中進行管理萝嘁。
支架維度
?支架維度類似與雪花維度，區(qū)別在于它是基本維度中扬卷，包含了其他屬性維度牙言。比如，銀行維度中怪得，引用日期維度咱枉。這樣的輔助維度成為支架維度卑硫。同樣指出，這樣的方式不利于星型模型的建設蚕断，應該盡量較少使用欢伏。所希望的情況，維度之間的關聯應該由事實表來完成亿乳。
退化維度
?常是功能被弱化的一些主鍵硝拧，比如訂單號。在事實表中葛假，存在的意義主要是統(tǒng)計一些訂單數量等障陶。或者上卷時聊训，作為關聯鍵咸这，連接訂單維度的數據。
建設過程的一些思想和方法
緩慢變化維
?對于變化的數據魔眨，我們怎么才能夠追溯其歷史呢媳维？比如說，同樣的商品遏暴，我想了解今天與昨天的價格差侄刽，是相對賺了，還是虧了朋凉。這個時候州丹，我們就涉及到緩慢變化維的概念。
?簡單來說杂彭，它就是用戶解決歷史數據變化的一種方法墓毒，讓數據可追溯。而在處理緩慢變化維中亲怠，處理的方式有幾種所计。
?1:重寫
?只保留最新的數據,舍棄歷史的數據。主要場景团秽，業(yè)務不關心歷史變化情況主胧，或者不太會發(fā)生歷史變化；
?2:增加新行
?增加的新行习勤，采用修改的維度屬性踪栋，同時增加額外三個列，標識行有效時間图毕、截止時間夷都、當前行標識(曾命名為：bi_starttime/bi_endtime/bi_etltime)
?3:增加新屬性
?又稱替換現實。比如以前的部門叫BI予颤，后來換了個洋氣的名字囤官，就數據科學厢破。在存儲時，原來記錄部門的名稱只有一個治拿，考慮緩慢變化后摩泪，變成兩個。另一個叫劫谅，前名稱见坑。有時候也會考慮多種屬性，如：前前部門捏检，這種不太用到荞驴。
?4.微型維度
?當遇到頻繁+大量的數據修改時，那么記錄這些變化的數據將帶來大量的性能壓力贯城。這個時候熊楼，往往考慮對變化數據進行范圍化設計。如消費金額能犯，用戶每個月的消費金額都不同鲫骗，但是我們可以設置一個范圍：比如0-1萬元。這樣踩晶，她的消費變化就穩(wěn)定了执泰。
?5.組合設計
?考慮特定的場景，將上述的這些處理方法進行組合渡蜻。如：2+3
橋接表與多對多關系
?場景一：作者與書是一種多對多的關系,每本書可能有多個作者术吝，作者從賣書的利潤中獲取收入。這個時候茸苇，最優(yōu)的模型設計應該是怎么樣的排苍，來解決：書利潤有多少錢，每個作者多少錢学密，top10的書淘衙，top10的作者呢
？
?場景二：我們去體檢则果，在某些項目上幔翰，我們有多條重復的記錄漩氨。比如西壮，測量身高、測量血液等叫惊。這個時候款青，我們應該怎么設計，能夠將這些數據都記錄下來呢霍狰？
?從模型的角度來考慮抡草，我們應該盡可能的扁平化饰及，有時應采用行列轉換的方式來達到這個目的。而有時候康震，我們也需要一個橋接表燎含，來記錄這樣的關系。
建模過程
選擇業(yè)務過程
?在傳統(tǒng)的行業(yè)中腿短，是有比較成型的模型設計(如：FSLDM)的屏箍，從總體上設計，分成十大主題(人橘忱、產品赴魁、財務...)，核心則是這些實體之間的關系钝诚。而在維度建模中颖御，以業(yè)務過程中發(fā)生的事務作為一條中軸線(核心源),將實體(維度)關系聯系在一起，來構建企業(yè)的數據倉庫聲明粒度
?粒度凝颇，即是一種統(tǒng)計角度潘拱。一般情況下，應該從最細的粒度出發(fā)拧略，以便足夠覆蓋業(yè)多變的需求泽铛。確定維度
?盡可能的將與事務相關的實體，納入到事實表中辑鲤。這樣對于數據探索也有著很大的幫助確定事實
?可以理解為盔腔，需要哪里度量值吧
