11、数据仓库中一致性维度的深度解析

数据仓库中一致性维度的深度解析

1. 数据仓库架构与一致性概述

在数据仓库的构建中，除了在特定阶段实现分析协同效应外，基础设施也可得到简化。例如，“日”维度在首个项目中开发一次即可，后续项目所需构建的维度表可能远少于早期项目，但这需要前期进行一定的分析。

不同的数据仓库架构对一致性的重视程度有所不同：
- Kimball 的维度数据仓库 ：基于维度模型，一致性是其核心特征。
- Inmon 的企业信息工厂 ：不依赖维度模型来集成企业数据，因此对一致性的重视程度相对较低。
- 独立数据集市 ：从定义上缺乏企业级上下文，虽内部维度可能一致，但与其他数据集市可能存在不兼容问题。

2. 维度数据仓库

维度数据仓库架构依赖星型模式作为原子数据的集成存储库，数据集市是该维度存储库的子集、派生的维度结构或两者的组合。一致性维度是实现企业级范围的关键，它作为集成主题领域的基础设施，因此维度设计（包括一致性计划）必须作为战略前期流程来开展。

2.1 战略规划包含一致性设计

在维度数据仓库中，维度设计是一项战略活动，而非设计阶段的活动，需在任何实施项目开始前进行。维度设计可以作为独立项目开展，也可纳入战略项目，该战略项目还包括建立技术架构、选择工具和确定实施优先级等活动。

维度模型的一致性框架是维度数据仓库设计的顶层重点，Kimball 和 Ross 将其称为一致性总线。它使模型既能满足每个主题领域的需求，又能保留比较主题领域的能力，是支持企业级范围、实现微观和宏观层面流