在线客服
扫描二维码
下载博学谷APP
扫描二维码
关注博学谷微信公众号
数仓模型设计有几种？好的数仓项目应看架构以及所用到的模型，维度建模是专门应用于分析型数据库、数据仓库、数据集市建模的方法。数据集市可以理解为是一种小型数据仓库。
维度模型是数据仓库工程领域最流行的数仓建模经典。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能。
维度表示要对数据进行分析时所用的一个量,比如你要分析产品销售情况, 你可以选择按类别进行分析,或按区域分析。这样的按..分析就构成一个维度。上图中的用户表、商家表、时间表这些都属于维度表。这些表都有一个唯一的主键，然后在表中存放了详细的数据信息。
事实表发生在现实世界中的操作型事件，其所产生的可度量数值，存储在事实表中。从最低的粒度级别来看，事实表行对应一个度量事件，反之亦然。
数据仓库中不需要严格遵守规范化设计原则。因为数据仓库的主导功能就是面向分析，以查询为主，不涉及数据更新操作。事实表的设计是以能够正确记录历史信息为准则。维度表的设计是以能够以合适的角度来聚合主题内容为准则。
数仓模型设计维度建模三种模式：
1、 星型模型
星形模式(Star Schema)是最常用的维度建模方式。星型模式是以事实表为中心，所有的维度表直接连接在事实表上，像星星一样。
星形模式的维度建模由一个事实表和一组维表成，特点：维表只和事实表关联，维表之间没有关联;每个维表主键为单列，且该主键放置在事实表中，作为两边连接的外键;以事实表为核心，维度表围绕核心呈星形分布
2、雪花模式
雪花模式是对星形模式的扩展。雪花模式的维度表可以拥有其他维度表的，虽然这种模型相比星型更规范一些，但是由于这种模型不太容易理解，维护成本比较高，而且性能方面需要关联多层维表，性能也比星型模型要低。所以一般不是很常用。
3 、星座模式
星座模式是星型模式延伸而来，星型模式是基于一张事实表的，而星座模式是基于多张事实表的，而且共享维度信息。前面介绍的两种维度建模方法都是多维表对应单事实表，但在很多时候维度空间内的事实表不止一个，而一个维表也可能被多个事实表用到。在业务发展后期，绝大部分维度建模都采用的是星座模式。
— 申请免费试学名额 —
在职想转行提升，担心学不会？根据个人情况规划学习路线，闯关式自适应学习模式保证学习效果
讲师一对一辅导，在线答疑解惑，指导就业！
上一篇：
学Python编程好找工作吗？岗位方向多吗？
下一篇：
2021年Python程序员薪资待遇如何？
相关推荐 更多
数据分析培训学习多久？都学什么？
数据分析培训学习多久？以博学谷的Python数据分析与应用课程为例，学习数据分析只要22课时。那么学习内容有哪些呢？内容大概包括了Python数据分析的相关知识。感兴趣的小伙伴可以一起来看看课程介绍。
9660
2019-09-25 17:34:14
Pandas数据可视化基础绘图教程
众所周知，Pandas是基于Python平台的大数据分析与处理的利器。在数据为王的时代，想要掌握数据分析能力，学会Pandas数据可视化工具是十分重要的。本文将带领大家一步一步学习Pandas数据可视化基础绘图，内容比较基础，相信有一定Python基础的小伙伴看完可以很快上手，现在就让我们一起来看看教程吧！
6493
2019-12-19 16:24:55
Python数据分析怎么学?要掌握哪些内容？
众所周知，与数据分析相关的Python库很多，利用Python可以生成数据表、检查数据表、数据表清洗、数据预处理、数据提取和数据筛选汇总等等，因此我们常常会使用Python完成数据分析。那么到底Python数据分析怎么学?要掌握哪些内容呢？下面我们来看看Python数据分析的学习路线和具体内容。
4847
2019-12-31 10:25:09
Python数据科学家学习计划分几步？
Python数据科学家学习计划分几步？起步开始学习旅程之前，要清楚为什么使用Python?Python如何发挥作用?首先我们需要一份关于数据分析方面的Python学习路径，适合新手入门学习。已经学习了大部分的机器学习技术，需要关注一下深度学习。
4686
2020-03-26 16:37:36
Python初学者为什么要选择Jupyter？
相信学习过编程的你，对于编译器肯定是不陌生的，一定使用过 Pycharm、VScode 等知名 IDE 工具，但今天本文要讲解的并不是这些，而是一款在 IT 界享誉盛名的神级 Web 编辑器——Jupyter，那么，Python初学者为什么要选择Jupyter呢？简单来讲，它不用安装，不用激活，功能强大，方便迭代更新！下面我们一起来了解一下Jupyter的起源、核心特点以及优势。
10208
2020-08-18 11:46:59
