数据仓库之维度建模剖析

下面我们分别来学习维度表设计和事实表设计：

    • 维度表设计：代理键，稳定维度，缓慢渐变维，拉链表

    • 事实表设计：事实表设计，明细事实表，聚合事实表

    • 数据仓库之拉链表详解

 

1.维度表设计

1.1 代理键

    维度表中必须有一个能够唯一标识一行记录的列(最好是原子性的列，不要是组合键)， 通过该列维护维度表与事实表之间的关系，一般在维度表中业务主键符合条件可以当作维度主键。

    但是，数据仓库是整个公司数据的整合，这会涉及到多个数据源有相同维度，那么就会 出现以下两个问题:

    • 当整合多个数据源的维度时，不同数据源的业务主键重复怎么办?

    • 涉及维度拉链表时，同一主体多条记录，业务键重复怎么办?

 

    如上图所示，业务键重复，我们可以引入代理键，如下表所示:

    把多个系统的数据复合在一起，同时再维护一个代理键，而且代理键在这个维度表里是 唯一标识一条记录的，类似于业务系统的业务键。

    代理键是由数据仓库处理过程中产生的、与业务本身无关的、唯一标识维度表中一条 记录并充当维度表主键的列，也是描述维度表与事实表关系的纽带。

    在设计有代理键的维度表中，事实表中的关联键是代理键而不是原有的业务主键，即 业务关系是靠代理键维护，这样有效避免源系统变化对数仓数据对影响。

    在实际业务中，代理键通常是数值型、自增的值。

 

1.2 稳定维度

    部分维度表的维度是在维度表产生后，属性是稳定的、无变化的。比如时间维度、区域维度等，针对这种维度，设计维度表的时候，仅需要完整的数据，不需要天的快照数据， 因为当前数据状态就是历史数据状态。

 

1.3 缓慢渐变维

    维度数据会随着时间发生变化，变化速度比较缓慢，这种维度数据通常称作缓慢渐变维，例如电商平台的用户维度表，用户可能会随着时间推移改变收件地址，因此用户维度表 中的收件地址就是一个缓慢变化维。由于数据仓库需要追溯历史变化，尤其是一些重要的数 据，所以历史状态也需要采取一定的措施进行保存，保存历史状态的方式有以下三种:

    • 每天保存当前数据的全量快照数据(每天一个新增分区)，该方案适合数据量较小 (根据公司具体的配置而定)的维度，使用简单的方式保存历史状态。

    • 在维表中添加关键属性值的历史字段，仅保留上一个的状态值。可能同时有多个属 性都非常重要，而且只能追溯上一个数据，不是所有的历史数据，这种范式应用场景较少。

    • 拉链表:当维度数据发生变化时，将旧数据置为失效，将更改后的数据当作新的 记录插入到维度表中，并开始生效，这样能够记录数据在某种粒度上的变化历史。

1.4 拉链表

    将数据的变更当做流水记录下来 ，旧的设为失效，新的设为生效，如果粒度为天，那