101-数仓建设方法论

前言：

设计理念

• 范式建模：以关系数据库理论为基础，遵循范式规则，致力于消除数据冗余，确保数据的一致性和完整性，将现实世界的实体和关系以规范化的形式表示在数据库中。
• 维度建模：以分析需求为导向，重点关注如何快速高效地支持数据分析和查询，将数据分为事实表和维度表，通过这种方式来组织数据，以方便用户从不同维度对事实数据进行分析。

数据结构

• 范式建模：通常会产生较多的表，表与表之间通过外键关联，结构较为复杂。例如，在一个企业管理系统中，可能会将员工信息、部门信息、职位信息等分别设计为独立的表，通过外键来建立员工与部门、职位之间的关系。
• 维度建模：主要由事实表和维度表组成。事实表存储业务过程的度量数据，如订单金额、销售数量等；维度表则包含用于分析事实数据的各种维度信息，如时间、地点、客户等。维度表围绕事实表分布，形成星型或雪花型结构。

应用场景

• 范式建模：适用于联机事务处理（OLTP）系统，如银行核心业务系统、企业资源规划（ERP）系统等，这些系统需要频繁进行数据的增、删、改操作，要求数据具有高度的一致性和完整性。
• 维度建模：主要应用于联机分析处理（OLAP）系统和数据仓库，用于支持复杂的数据分析和决策支持任务，如销售数据分析、市场趋势预测等，能够快速响应大规模的数据分析查询请求。

性能表现

• 范式建模：由于表结构复杂，关联较多，在进行复杂的数据分析查询时，需要进行大量的表连接操作，可能导致查询性能较低。但在执行单表的增、删、改操作时，性能表现较好。
• 维度建模：通过将数据按照事实表和维度表进行组织，减少了表连接的复杂度，在进行数据分析查询时，能够快速定位到所需数据，查询性能较高，尤其适合处理大规模的历史数据和复杂的分析查询。

结语

范式建模方便维护，但是数据构建周期长；

维度建模相对不方便维护，数据冗余大，但是数据构建周期短。