浅谈大数据建模的主要技术：维度建模_大数据平台数据 建模 设计(1)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

我们不管是基于 Hadoop 的数据仓库（如 Hive ），还是基于传统 MPP 架构的数据仓库（如Teradata ），抑或是基于传统 Oracle 、MySQL 、MS SQL Server 关系型数据库的数据仓库，其实都面临如下问题：

• 怎么组织数据仓库中的数据？
• 怎么组织才能使得数据的使用最为方便和便捷？
• 怎么组织才能使得数据仓库具有良好的可扩展性和可维护性？

Ralph Kimball 维度建模理论很好地回答和解决了上述问题。

维度建模理论和技术也是目前在数据仓库领域中使用最为广泛的、也最得到认可和接纳的一项技术。今天我们就来深入探讨 Ralph Kimball 维度建模的各项技术，涵盖其基本理论、一般过程、维度表设计和事实表设计等各个方面，也为我们后面讲Hadoop 数据仓库实战打下基础。

维度建模关键概念

度量和环境

维度建模是支持对业务过程的分析，所以它是通过对业务过程度量进行建模来实现的。

那么，什么是度量呢？

实际上，我们