数据仓库工具箱-第2章

2.1 Kimball维度建模基本概念

与业务代表沟通需求：关键性能指标、竞争性商业问题、决策制定过程、分析需求

与基础源数据系统RD沟通：访问数据可行性、功能设计及交互、数据留存

维度设计过程的四个步骤：1、选择业务过程 ： 业务过程事件建立或获取性能度量，并转换为事实表中的事实。过程定义了特定的设计目标以及对粒度、维度、事实的定义。每个业务过程对应企业数据仓库总线矩阵的一行。

2、声明粒度：最细粒度保留； 上卷汇总粒度对性能更有好处，但是需要猜测业务公共问题，设计难度高。不要在同一个事实表中混用多种不同的粒度。

3、确认维度：是用于过滤及分类事实的描述性属性；清楚设计事实表的粒度就可以将所有存在的维度按粒度区分开；当维度表与事实表关联时，任何情况下都应使维度保持单一值，维度的设计决定了业务分析的丰富度和准确性。

4、确认事实：事实表的一行对应一个物理可观察的事件

维度模型的扩展：

1、事实与维度粒度一致，创建新列（添加新属性）

2、通过在维表上新增更细粒度的属性，使事实表更原子化（重置事实表）

2.2 事实表技术基础

事实表的设计完全依赖于物理活动，不受可能产生的最终报表的影响。

事实表包含度量、外键（用作关联维度）、退化维度、日期/时间戳。

可加事实：支持任意维度汇总，例：借款金额；

半可加事实：仅支持部分维度汇总，例：本金桶余额；

不可加事实：不支持任何维度汇总，例：利率； 批核率； 但是对于批核率可以特殊处理为分子分母保留（从不可累加变为可累加，这种设计通常发生在OLAP多维数据库层）；

事务事实表：仅当存在度量时才会建立行，度量事实必须与事务粒度保持一致，例：申请授信表。

周期快照事实表：汇总特定周期的多个度量事件，包含许多事实（与事实表粒度一致都可以存在），即使周期内没有活动，也会默认插入0或空值，例：授信vintage中间表。

累计快照事实表：每行数据，汇总了发生在过程开始和结束之间，可预测步骤内的度量事件。通常关键步骤都包含日期外键。在开始节点发生时，会插入一行，当过程发生时，会修改这条记录。

聚集事实表：将原子粒度上卷为常用的聚集层次表，类似数据库索引，提高查询性能。

合并事实表：将来自多个业务过程，相同粒度的事实合并为单一的合并事实表，会增加ETL处理过程的负担，但降低了BI应用的分析代价使其更快捷，适用于经常需要共同分析的多过程度量。

2.3 维度表技术基础

维度表结构：每个维度表由单一主键列，可作为与之关联的任何事实表的外键。维度表列较多（宽），属于扁平型非规范表，低粒度文本属性。

自然键、持久键、超自然键、维度代理键：即不使用来自操作型系统的自然键，以避免多源兼容性问题、系统主键异常、跟踪变化导致需要大量维度行等问题。维度代理键是无语义的整型主键，按顺序分配的简单整数，从1开始。（日期维度不需要代理键，因为日期是可预测且稳定的），避免受业务规则影响，导致DW/BI表主键不唯一或者对应的值发生变化。（针对关户又开户的情况，要通过持久性超自然键，也是从1开始的整数，当做同一个用户）

维度退化：将常用维度放到事实表里，清楚表明没有关联的维度表，退化维度常见于交易和累计快照事实表中。

非规范化扁平维度：打破操作型数据库的设计，将多对一打平，这类非规范化维度的目标是简化及速度

2.4 使用一致性维度集成

-暂无

2.5 处理缓慢变化维度属性

-暂无

2.6 处理维度层次关系

-暂无

2.7 高级事实表技术

-暂无

2.8 高级维度技术

-暂无

2.9 特殊目的模式

-暂无