江苏龙网

  1. 首页 > 资讯 > 科技 > >

科技小数据|一文了解数据仓库( 四 )



科技小数据|一文了解数据仓库
本文插图

雪花模式
雪花模式(Snowflake Schema)是对星形模式的扩展 ， 每个维表可继续向外连接多个子维表 。 (三范式代表作)
星形模式中的维表相对雪花模式来说要大 ， 而且不满足规范化设计 。 雪花模型相当于将星形模式的大维表拆分成小维表 ， 满足了规范化设计 。 然而这种模式在实际应用中很少见 ， 因为这样做会导致开发难度增大 ， 而数据冗余问题在数据仓库里并不严重.

科技小数据|一文了解数据仓库
本文插图

星座模式
星座模式(Fact Constellations Schema)也是星型模式的扩展 。
前面两种维度建模方法都是多维表对应单事实表 ， 但在很多时候维度空间内的事实表不止一个 ， 而一个维表也可能被多个事实表用到 。 在业务发展后期 ， 星座模式将作为最主要的维度建模 。
维度表和事实表
维度表(dimension)表示对分析主题所属类型的描述 。 比如"昨天早上张三在京东花费200元购买了一个皮包" 。 那么以购买为主题进行分析 ， 可从这段信息中提取三个维度：时间维度(昨天早上) ， 地点维度(京东), 商品维度(皮包) 。 通常来说维度表信息比较固定 ， 且数据量小 。 维度表：一般是对事实的描述信息 。 每一张维表对应现实世界中的一个对象或者概念 。 例如：用户、商品、日期、地区等 。 常用于一个客观世界的维度描述 ， 往往列比较多 。 审视数据的角度维表的特征：维表的范围很宽（具有多个属性、列比较多）跟事实表相比 ， 行数相对较小：通常< 10 万条静态表示的 ， 名词性质的表
事实表(fact table)表示对分析主题的度量 。 比如上面那个例子中 ， 200元就是事实信息 。 事实表包含了与各维度表相关联的逻辑外键 ， 并通过JOIN方式与维度表关联 。 事实表的度量通常是数值类型 ， 且记录数会不断增加 ， 表规模迅速增长 。 事实表的特征：非常的大内容相对的窄：列数较少经常发生变化 ， 每天会新增加很多动态表示的 ， 动词性质的表事务型事实表(每天导入新增)以每个事务或事件为单位 ， 例如一个销售订单记录 ， 一笔支付记录等 ， 作为事实表里的 一行数据 。 一旦事务被提交 ， 事实表数据被插入 ， 数据就不再进行更改 ， 其更新方式为增量 更新周期型快照事实表(每日全量)周期型快照事实表中不会保留所有数据 ， 只保留固定时间间隔的数据 ， 例如每天或者 每月的销售额 ， 或每月的账户余额等
累积型快照事实表(每天导入新增及变化)累计快照事实表用于跟踪业务事实的变化 。 例如 ， 数据仓库中可能需要累积或者存储 订单从下订单开始 ， 到订单商品被打包、运输、和签收的各个业务阶段的时间点数据来跟踪 订单声明周期的进展情况 。 当这个业务过程进行时 ， 事实表的记录也要不断更新 。 事实维度举例昨天我去菜市场买了一只蝙蝠 ， 然后我就被隔离了 。 事实：订单==>买蝙蝠这个事维度：时间==>昨天用户==>我商品==>蝙蝠地理==>菜市场
数据分层
为什么分层：
简单化：把复杂的任务分解为多层来完成 ， 每层处理各自的任务 ， 方便定位问题 。 减少重复开发：规范数据分层 ， 通过中间层数据 ， 能够极大的减少重复计算 ， 增加结果复用性 。 隔离数据：不论是数据异常还是数据敏感性 ， 使真实数据和统计数据解耦 。

科技小数据|一文了解数据仓库
本文插图


科技小数据|一文了解数据仓库
本文插图


科技小数据|一文了解数据仓库


推荐阅读


上一篇：趣头条|帝豪GS配上这款车载蓝牙，立马变得高档舒适方便起来！

下一篇：环球Tech|手机看车站大屏是怎样的感觉？12306新版体验