vlambda博客
学习文章列表

数据仓库产生背景

数据仓库为用户提供多样的功能需求

数据仓库的定义

• 什么是数据仓库

数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理

决策(Decision Making Support)。

• ETL

数据抽取（Extract）、转换（Transform）、装载（Load）的过程。它是构建数据仓库的重要环节。

• Data Mart

为了特定的应用目的或应用范围，而从数据仓库中独立出来的一部分数据，也可称为部门数据或主题数（subjectarea）。

基本概念-维度

维度：对数据进行分类的一种结构，用于从特定的角度观察数据。

（例如：时间、地区、产品）􀂾

维度的两个用途

       选择针对期望详细程度的层次的数据􀂙

       分组对细节数据综合（聚集）到相应的详细程度的数据层次

基本概念-度量&Cube

度量（指标）：数据的实际意义，一般是一个数值度量指标

例如：销售量、销售额，……

一个度量的两个组件

数字型指标

聚集函数

CUBE：一个多维模型构成的多维数据空间我们将其称做数据立方体（Cube）

其逻辑上相当于一个多维数组

基本概念-星型模式（StarSchema）

星形模式是一种多维的数据关系，它由一个事实表（Fact Table）和一组维表（Dimension Table）组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。事实表的非主键属性称为事实（Fact），它们一般都是数值或其他可以进行计算的数据；而维大都是文字、时间等类型的数据，按这种方式组织好数据我们就可以按照不同的维（事实表主键的部分或全部）来对这些事实数据进行求和（summary）、求平均（average）、计数（count）、百分比（percent）的聚集计算，甚至可以做20～80分析。这样就可以从不同的角度数字来分析业务主题的情况。

基本概念-雪花模式(SnowFlake Schema)

雪花模型，当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的 "层次 " 区域，这些被分解的表都连接到主维度表而不是事实表。

相比星型模型，雪花模型的特点是贴近业务，数据冗余较少，但由于表连接的增加，导致了效率相对星星模型来的要低一些

基本概念-元数据

元数据是描述数据的数据，其内容主要包括数据的格式、结构、约束、加工过程、部署情况等。

元数据管理包括元数据采集与关联、元数据信息维护、标准代码及术语信息维护等内容。对元数据的分析包括血缘分析、影响分析等。