目录
一、数据类型与内容
事实表
- 数据类型：存储数值型度量数据（如销售额、数量、成本），这些数据可被聚合（如求和、平均值）。
- 内容特点：包含业务事件的量化指标，例如每笔交易的金额、库存变动量等。
- 冗余性：通常无冗余描述信息，仅保留与维度表关联的外键和度量值。
维度表
- 数据类型：存储描述性信息（如产品名称、客户地址、时间层次），提供事实数据的上下文。
- 内容特点：包含分类属性（如产品类别、地区层级）和层次结构（如时间维度分为年、季度、月）。
二、结构与设计原则
| 维度 | 事实表 | 维度表 |
|---|---|---|
| 核心位置 | 数据仓库的中心表，关联多个维度表 | 围绕事实表，通过外键提供上下文 |
| 主键与外键 | 包含多个外键（指向维度表主键） | 包含主键（唯一标识维度实例） |
| 层次结构 | 无层次结构，仅存储扁平化度量值 | 支持多级层次（如国家→省份→城市） |
三、功能与用途
事实表
- 核心功能：支持聚合计算（如统计年度总销售额）和复杂分析（如趋势预测）。
- 典型场景：交易记录分析、库存变动追踪等需要量化评估的业务场景。
维度表
- 核心功能：提供过滤、分组和上下文解释（如按产品类别筛选销售数据）。
- 典型场景：多维度钻取分析（如按时间维度查看季度销售波动）。
四、数据量与更新频率
| 维度 | 事实表 | 维度表 |
|---|---|---|
| 数据量 | 数据量大（如百万级交易记录） | 数据量相对较小（如千级产品分类） |
| 更新频率 | 高频更新（如实时记录交易） | 低频更新（如产品信息变更较少） |
五、应用场景对比
事实表适用场景
- 需要快速聚合数值指标（如计算月度销售额）。
- 业务事件记录的存储与分析（如订单流水、物流跟踪）。
维度表适用场景
- 提供业务数据的分类标签（如客户分群、产品分类）。
- 支持多维分析（如按地区和时间交叉分析销售趋势）。
六、技术本质总结
- 事实表是业务事件的量化记录中心，通过外键关联维度表形成星型或雪花模型，支撑高效聚合与决策分析。
- 维度表是数据解释的语义层，通过描述性属性和层次结构赋予事实数据业务意义。
- 协同关系：二者通过外键关联共同构建数据仓库的多维分析能力，例如通过时间维度表解释销售事实表中的时间戳字段。
恭喜你读完了这篇干货！现在你已经是掌握 [技术点] 的初级魔法师了🎩。如果下次面试官问你这个问题，请优雅地甩出这篇博客链接，并附上一句：'这是本魔法师的咒语手册，请查收~' 🧙♂️✨
扫一扫
2037
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
