1基本概念
維度模型的概念出自於資料倉儲領域，是資料倉儲建設中的一種資料建模方法。維度模型主要由事實表和維度表這兩個基本要素構成。
1.1維度
維度是度量的環境，用來反映業務的一類屬性 ， 這類屬性的集合構成乙個維度 ， 也可以稱為實體物件。 維度屬於乙個資料域，如地理維度(其中包括國家、地區、 省以及城市等級別的內容)、時間維度(其中包括年、季、月、周、日等級別的內容)。
維度是維度建模的基礎和靈魂。在維度建模中，將度量稱為「事實」 ， 將環境描述為「維度」，維度是用於分析事實所需要的多樣環境。例如， 在分析交易過程時，可以通過買家、賣家、商品和時間等維度描述交易發生的環境。
維度所包含的表示維度的列，稱為維度屬性。維度屬性是查詢約束條件、分組和報表標籤生成的基本**，是資料易用性的關鍵。
1.2事實表
事實表是維度模型的基本表，每個資料倉儲都包含乙個或者多個事實資料表。事實資料表可能包含業務銷售資料，如銷售商品所產生的資料，與軟體中實際表概念一樣。
事實表作為資料倉儲維度建模的核心，緊緊圍繞著業務過程來設計，通過獲取描述業務過程的度量來表達業務過程，包含了引用的維度和與業務過程有關的度量。
事實表中一條記錄所表達的業務細節程度被稱為粒度。通常粒度可以通過兩種方式來表述:一種是維度屬性組合所表示的細節程度:一種是所表示的具體業務含義。
作為度量業務過程的事實，一般為整型或浮點型的十進位制數值，有可加性、半可加性和不可加性三種型別。
相對維度來說，通常事實表要細長，行的增加速度也比維度表快的多，維度表正好相反。
事實表有三種型別 :
事務事實表：事務事實表用來描述業務過程，眼蹤空間或時間上某點的度量事件，儲存的是最原子的資料，也稱為「原子事實表\週期快照事實表」。
週期快照事實表：週期快照事實表以具有規律性的、可預見的時間間隔記錄事實 ，時間間隔如每天、每月、每年等。
累積快照事實表：累積快照事實表用來表述過程開始和結束之間的關鍵步驟事件，覆蓋過程的整個生命週期，通常具有多個日期欄位來記錄關鍵時間點，當過程隨著生命週期不斷變化時，記錄也會隨著過程的變化而被修改。
1.3度量 / 原子指標
原子指標和度量含義相同，基於某一業務事件行為下的度量，是業務定義中不可 再拆分的指標，具有明確業務含義的名詞 ，如支付金額。
事實表和維度交叉匯聚的點，度量和維度構成olap的主要概念，這裡面對於在事實表或者乙個多維立方體裡面存放的數值型的、連續的字段，就是度量。
1.4維度表與事實表
維度表是事實表不可分割的部分。維度表是進入事實表的入口。豐富的維度屬性給出了豐富的分析切割能力。維度給使用者提供了使用資料倉儲的介面。最好的屬性是文字的和離散的。屬性應該是真正的文字而不應是一些編碼簡寫符號。應該通過用更為詳細的文字屬性取代編碼，力求最大限度地減少編碼在維度表中的使用。
維度表和事實表二者的融合也就是「維度模型」，「維度模型」一般採用「星型模式」或者「雪花模式」，「雪花模式」可以看作是「星型模式」的拓展，表現為在維度表中，某個維度屬性可能還存在更細粒度的屬性描述，即維度表的層級關係。
維度屬性也可以儲存到事實表中，這種儲存到事實表中的維度列被稱為「退化維度」。與其他儲存在維表中的維度一樣 ，退化維度也可以用來進行事實表的過濾查詢、實現聚合操作等。
1.5維度與指標例子
下表顯示的是乙個維度（「城市」）和兩個指標（「會話數」和「每次會話瀏覽頁數」）。
維度 指標 指標
城市 會話數 每次會話瀏覽頁數
舊金山 5,000 3.74
柏林 4,000 4.55
2 維度設計
2.1維度基本設計方法
image.png
2.2維度的特點
2.2.1維度的層次結構
維度中的一些描述屬性以層次方式或一對多的方式相互關聯，可以被理解為包含連續主從關係的屬性層次。比如商品類目的最低級別是葉子類目，葉子類目屬於二級類目，二級類目屬於一級類目。在屬性的層次結構中進行鑽取是資料鑽取的方法之一。
2.2.2正規化與反正規化
當屬性層次被例項化為一系列維度，而不是單一的維度時，被稱為雪花模式。
大多數聯機事務處理系統( oltp)的底層資料結構在設計時採用此種規範化技術，通過規範化處理將重複屬性移至其自身所屬的表中，刪除冗餘資料。
將維度的屬性層次合併到單個維度中的操作稱為反規範化。分析系 統的主要目的是用於資料分析和統計，如何更方便使用者進行統計分析決 定了分析系統的優劣。採用雪花模式，使用者在統計分析的過程中需要 大 量的關聯操作，使用複雜度高，同時查詢效能很差;而採用反規範化處 理，則方便、易用且效能好。
2.3交叉探查
資料倉儲匯流排架構的重要基石之一就是一致性維度。在針對不同數 據域進行迭代構建或並行構建時，存在很多需求是對於不同資料域的業 務過程或者同 一資料域的不同業務過程合併在 一起觀察。比如對於日誌資料域，統計了商品維度的最近一天的 pv 和 uv; 對於交易資料域， 統計了商品維度的最近一天的下單mv。現在將不同資料域的商品的 事實合併在一起進行資料探查 ，如計算轉化率等，稱為交叉探查。
2.4維度整合
我們先來看資料倉儲的定義:資料倉儲是乙個面向主題的、整合的、 非易失的且隨時間變化的資料集合，用來支援管理人員的決策。
資料由面向應用的操作型環境進人資料倉儲後，需要進行資料 整合。將面向應用的資料轉換為面向主題的資料倉儲資料，本身就是一種整合。
具體體現在如下幾個方面:
命名規範的統一。
字段型別的統一。
公共**及**值的統一。
業務含義相同的表的統一 。主要依據高內聚、低稠合的理念，在物理實現中，將業務關係大、源系統影響差異小的表進行整合。
表級別的整合，有兩種表現形式。
垂直整合，即不同的**表包含相同的資料集，只是儲存的資訊不同。比如商品基礎資訊表、 商品擴充套件資訊表、商品庫存資訊表，這些表都屬於商品相關資訊表，依據維度設計方法，盡量整合至商品維度模型中，豐富其維度屬性。
水平整合，即不同的**表包含不同的資料集，不同子集之間無交叉，也可以存在部分交叉。如果進行整合，首先需要考慮各個體系是否有交叉，如果存在交叉，則需要去重;如果不存在交叉，則需要考慮不同子集的自然鍵是否存在衝突，如果不衝突， 則可以考慮將各子集的自然鍵作為整合後的表的自然鍵;另一種方式是設定超自然鍵，將**表各子集的自然鍵加工成乙個字段作為超自然鍵。
2.5維度拆分
水平拆分
維度通常可以按照類別或型別進行細分。由於維度分類的不同而存在特殊的維度屬性，可以通過水平拆分的方式解決此問題。
在設計過程中需要重點考慮以下三個原則。
擴充套件性:當源系統、業務邏輯變化時，能通過較少的成本快速擴 展模型，保持核心模型的相對穩定性。軟體工程中的高內聚、低 稠合的思想是重要的指導方針之 一 。
效能 : 在效能和成本方面取得平衡。通過犧牲一定的儲存成本， 達到效能和邏輯的優化。
易用性:模型可理解性高、訪問複雜度低。使用者能夠方便地從模 型中找到對應的資料表，並能夠方便地查詢和分析。
根據資料模型設計思想，在對維度進行水平拆分時，主要考慮如下兩個依據。
維度的不同分類的屬性差異情況
業務的關聯程度
垂直拆分
在維度設計內容中，我們提到維度是維度建模的基礎和靈魂，維度 屬性的豐富程度直接決定了資料倉儲的能力。在進行維度設計時，依據 維度設計的原則，盡可能豐富維度屬性，同時進行反規範化處理。
某些維度屬性的**表產出時間較早，而某些維度屬性的來 源 表產出時間較晚;或者某些維度屬性的熱度高、使用頻繁，而某些維度屬性的熱度低、較少使用 ; 或者某些維度屬性經常變化，而某些維度屬性比較穩定。在「水平拆分」中提到的模型設計的三個原則同樣適合解決此問題。
出於擴充套件性、產出時間、易用性等方面的考慮，設計 主從維度。主 維表存放穩定 、 產出時間早、熱度高的屬性;從維表存放變化較快、產 出時間晚、熱度低的屬性。
信訪分析 大資料 常見的大資料分析模型
今天我們主要為大家講解在做大資料視覺化時，有哪些常見得到資料分析模型。資料模型可以從兩個角度來區分 資料和業務。統計資料視角的實體模型通常指的是統計分析或大資料探勘 深度學習 人工智慧技術等種類的實體模型，這些模型是從科學研究視角去往界定的。1 降維 對大量的資料和大規模的資料進行資料探勘時，往往會...
大資料分析工具
新 指數 清博大資料 新 指數 www.gsdata.cn 是新 大資料第一平台，為運營新 利器 現已開通賬號分鐘級監測服務，打擊粉絲造假賬號，支援使用者自主監測新 資料 定製各類榜單，並提供資料api等各類增值服務。資料視覺化工具 cytoscape 圖表秀 資料觀 微博足跡視覺化 bdp個人版 ...
大資料分析流程
愛資料學院 welcome 一 為什麼要做乙份資料報告 你是乙個工作了一段時間的白領，你覺得現在這份工作不適合你，你下班以後去逛知乎，在上面看到很多人在說大資料代表未來，資料分析師是21世紀最 的十大職業之一 你激動了，你也要成為資料分析師，你利用空餘時間補上了統計知識，學了分析工具，然後發現自己目...