数仓实践：浅谈维度建模优劣分析

一、前言

维度建模（dimensional modeling） 是数据仓库建设中的一种数据建模方法，Kimball 最先提出这一概念。其最简单的描述就是，按照事实表、维度表来构建数据仓库、数据集市，这种方法最被人广泛知晓的名字就是 星型模式（Star-Schema）。

实体关系（E-R）建模：通常用于为单位的所有进程创建一个复杂的模型，这种方法已被证实在创建高效的 联机事务处理 (OLTP) 系统 方面很有效；相反，维度建模针对零散的业务进程创建个别的模型。

例如，销售信息可以创建为一个模型，库存可以创建为另一个模型，而客户帐户也可以创建为另一个模型。每个模型捕获事实数据表中的事实，以及那些事实在链接到事实数据表的维度表中的属性。由这些排列产生的架构称为 星型架构或雪花型架构，已被证实在数据仓库设计中很有效。

维度建模将信息组织到结构中，这些结构通常对应于分析者希望对数据仓库数据使用的查询方法。如：2024年第三季度华东大区的家电总销售额是多少？表示使用三个维度（产品、地区、时间）指定要汇总的信息。

二、优点

1、星型模式之所以广泛被使用，在于针对各个维作了大量的预处理，如按照维进行预先的统计、分类、排序等。

通过这些预处理，能够极大的提升数据仓库的处理能力。特别是针对 3NF 的建模方法，星型模式在性能上占据明显的优势。

2、同时，维度建模法的另外一个优点是，维度建模非常直观，紧紧围绕着业务模型，可以直观的