大数据之路：阿里巴巴大数据实践（数据模型篇）

最新推荐文章于 2024-11-14 20:06:36 发布

风满楼i

最新推荐文章于 2024-11-14 20:06:36 发布

阅读量744

点赞数

CC 4.0 BY-SA版权

分类专栏：数据仓库文章标签：数据仓库

本文链接：https://blog.csdn.net/m0_45204457/article/details/118873997

数据仓库专栏收录该内容

7 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了阿里巴巴大数据领域建模方法，包括ER模型、维度模型、Data Vault模型和Anchor模型。讨论了数据仓库的维度设计，如基础、高级主题、变化处理和特殊维度，以及事实表设计的不同类型，如事务事实表、周期快照事实表和累积快照事实表。文章旨在提供大数据建模的实用指导。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第8章大数据领域建模综述

一、典型的数据仓库建模方法论

1、ER模型
特点：需要全面了解企业业务和数据、实施周期非常长、对建模人员的能力要求非常高。
在这里插入图片描述 2、维度模型
步骤：选择需要进行分析决策的业务过程、选择粒度、识别维表、选择事实（确定分析需要衡量的指标）
3、Data Vault模型
Data Vault模型由以下几部分组成：
Hub：是企业的核心业务实体，由实体key、数据仓库序列代理键、装载时间、数据来源组成；
Link：代表Hub之间的关系。这里与ER模型最大的区别是将关系作为一个独立的单元抽象，可以提升模型的扩展性。它由Hub的代理键、装载时间、数据来源组成；
Satellite：是Hub的详细描述内容，一个Hub可以有多个Satellite。它由Hub的代理键、装载时间、来源类型、详细的Hub描述信息组成。
Data Vault模型比ER模型更容易设计和产出，它的ETL加工可实现配置化。
在这里插入图片描述
4、Anchor模型
Anchor对Data Vault模型做了进一步规范化处理，其核心思想是所有的扩展只是添加而不是修改，因此将模型规范到6NF，基本变成了k-v结