62、星型模式：数据仓库中的多维数据建模技术

星型模式：数据仓库中的多维数据建模技术

在数据仓库领域，星型模式是一种至关重要的数据建模技术，它能够将多维决策支持数据映射到关系数据库中，为数据分析师提供了一种高效且易于实现的多维数据分析模型。下面将详细介绍星型模式的各个组成部分及其相关概念。

1. 星型模式概述

星型模式是一种数据建模技术，用于将多维决策支持数据映射到关系数据库中。它通过一个中心表（事实表）与多个维度表建立 1:M 关系来表示数据。星型模式的基本组成部分包括事实、维度、属性和属性层次结构。

2. 事实（Facts）

事实是代表特定业务方面或活动的数值测量（值）。在商业数据分析中，常用的事实包括单位、成本、价格和收入等。例如，销售数字就是代表产品或服务销售的数值测量。事实通常存储在事实表中，事实表是星型模式的中心。事实表中的事实通过维度相互关联。

事实还可以在运行时进行计算或推导，这种计算或推导的事实有时被称为指标（Metrics），以区别于存储的事实。事实表会定期使用运营数据库中的数据进行更新。

3. 维度（Dimensions）

维度是为给定事实提供额外视角的限定特征。决策支持数据几乎总是与其他数据相关联进行查看，因此维度非常重要。例如，销售数据可以按产品、地区和时间进行比较。在一个 BI 系统中，常见的问题可能是比较 2010 年至 2020 年第一季度各地区产品 X 的销售情况。在这个例子中，销售数据具有产品、位置和时间维度。维度通常存储在维度表中。

以下是一个简单的星型模式示例，展示了销售数据的产品、位置和时间维度：