資料倉儲之維度建模流程
1.確認業務過程
選擇建模的業務過程，比如園區中庫存單元被租賃出去
2.確認粒度
保證維度粒度為最小粒度，保證以後的可擴充套件性，以及向下鑽去的靈活性。特殊說明，除週期性快照表，其他型別的事實表的時間粒度都保持操作性系統中的時間，即明細到時分秒。
3.確認維度
也就是確認業務過程設計到的維度，維度主要用途是回答「what, when, where, how」等這樣的問題。bi應用上，維度主要用來做篩選、分組、鑽取。
由於維度相對資料量較少，在hive中建立的維度表，不考慮使用分割槽。
3.1 緩慢漸變維
資料倉儲需要追蹤歷史，因此部分維度需要採用緩慢漸變的方式，計畫採用如下方式：
在維度表上增加起始日期(begin_date)與結束日期(end_date)，以及當前狀態（current_status）
3.2 維度一致性
在確認最小粒度之後，維度表盡量一次建成以後，後續可重複使用，如此可以保證維度的一致性。
4.確認事實
確認需要衡量的事實，例如進出園區人數，次數；園區租賃金額等。
• 事務型事實表：主要用來捕捉特定維度範圍內，會經常發生的一系列基本無序的事件。
• 週期型快照事實表：按照一定時間粒度（day/month），儲存特定維度範圍內的效能度量。例如，每日進出園區的人數。
• 累積快照事實表：用來捕捉一系列有序的事件，在不同時間範階段內效能度量。例如，crm系統中有lead(潛在意向客戶)->deal(簽約中的客戶) -> lease(發生租賃的客戶)，這樣一系列的流程可以考慮使用累積快照事實表。
資料倉儲之維度建模
1.資料倉儲建模目標 資料倉儲建模的目標是通過建模的方法更好的組織 儲存資料，以便在效能 成本 效率和資料質量之間找到最佳平衡點。訪問效能 能夠快速查詢所需的資料，減少資料 i o 資料成本 減少不必要的資料冗餘，實現計算結果資料復用，降低大資料系統中的資料 成本和計算成本 使用效率 改善使用者應用...
資料倉儲維度建模
雪花模型 星型模型 星座 多個事實表 問題 1 資料倉儲，不針對某乙個分析主題，而是有多個分析主題，即多個事實表，維度表怎麼設計？2 即使是同乙個分析主題，也可能存在多個事實表，維度表如何設計？多個時間維度？無論星型模型 雪花模型還是星座模型，都是針對維度上的區別而來，星座模型實質上還是星型模型，只...
資料倉儲維度建模概述
面向主題的。操作型資料庫的資料組織面向事物處理任務，各個業務系統之間各自分離，而資料倉儲中的資料是按照一定的主題域進行組織的。例如 當事人 協議 機構 財務 事件 產品等主題。整合的。資料倉儲中的資料是從多個不同的資料來源傳送來的。多個應用之間在編碼，命名習慣，物理屬性 不同的資料庫 欄位的資料型別...