标签:透视 汇总 建模 维度 PART 规则 多维 主键 度量
1⃣️多维数据模型概述
多维数据模型,又叫多维数据集、立方体,指的是相互间通过某种联系被关联在一起的不同类别的数据集合。
好处:可以从多角度用数据全面映射某种业务的实际状况。
2⃣️多维数据模型创建方法
· 相邻两表间连接汇总:
通过公共字段连接两表,选择不同表中字段分别作为维度、度量,选择汇总计算规则。
(即:汇总结果由维度、度量、汇总规则决定)
· 影响三要素
筛选器方向(一表出维度,多表出度量)
分为单向及双向两种,筛选器方向决定维度与度量的出处
对于单向筛选器,箭头出发一侧为维度、指向一侧为度量
对于双向筛选器,两表间互为筛选
OLAP与数据库连接汇总时,哪个表提供度量,哪个表为主表(即指向一侧为主表)
(OLAP为连接信息孤岛、创建多维数据模型的技术)
对应关系
一对一
实际场景中几乎不出现。
主键与主键相连、两表有相同主键
多对多
会出现,但尽量避免。
非主键连接非主键,会造成度量值求和、计数等常用汇总规则下翻倍
多对一
应尽量使用多对一。
单向筛选方向时,一表筛选多表。
双向筛选方向时,多表筛选一表。
决定连接汇总的结果
汇总角色
维度(业务角度)、度量(业务行为结果)
· 常见的数据建模方法:
1)范式建模(E-R模型)——3NF
将事物抽象为“实体”、“属性”、“关系”来表示数据关联和事物描述;实体:Entity,关系:Relationship,这种对数据的抽象建模通常被称为ER实体关系模型
ER模型是数据库设计的理论基础,当前几乎所有的OLTP系统设计都采用ER模型建模的方式,且该建模方法需要满足3NF。
2)维度建模——星星模型&雪花模型&星座模型
维度建模以分析决策的需求出发构建模型,构建的数据模型为分析需求服务,因此它重点解决用户如何更快速完成分析需求,同时还有较好的大规模复杂查询的响应性能。 Ralph Kimball提出对数据仓库维度建模,并且将数据仓库中的表划分为事实表、维度表两种类型。
事实表
在事实表的设计时,一定要注意一个事实表只能有一个粒度,不能将不同粒度的事实建立在同一张事实表中。
维度表
维度表一般为单一主键,在ER模型中,实体为客观存在的事物,会带有自己的描述性属性,属性一般为文本性、描述性的,这些描述被称为维度。
3)date vault模型
4)anchor模型
· 维度建模分类
标签:透视,汇总,建模,维度,PART,规则,多维,主键,度量 来源: https://blog.csdn.net/m0_62231337/article/details/121011964
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。