对于数据仓库建立多维模型思考

首先要理解的一个问题就是，什么叫做多维模型？

就是使用一种方法来将现实世界的事物进行抽象，概括的一种方法。
对于多维的理解：像是写记叙文中需要的时间，地点，人物这几个基本要素，有这样的基本要素/限定条件，才能较为精确，完整的描述一件事情。

同样对于一条数据而言，数据本身没有意义，当你从不同维度加以修饰限定，加工出来的数据，对于数据仓库来说有这就是建立多为模型的意义所在

多维模型的类型

多维模型分为两类，星型和雪花，
给大家画个图吧：

星型模型

雪花模型

大概这两种模型就长这样，画的一般，大概知道意思就行~
星型模型一般不用那么多维度表，最后呈现的就是一张巨大的宽表

雪花模型的使用是为了部分公共维度的东西能被复用，就形成一张单独的维度表，如果维度拥有层级就形成了雪花，即子维度，例如机构树，分层，如果机构层级发生变化，其修改的成本将会降低许多。也算是对于星型模型的优化。

根据上图也能看出，多维模型分为两类表，事实表和维度表

事实表是啥？维度表又是啥？

事实表我的理解就是，演员列表，放着各种各样的演员，都有自己的编号。
维度表就是剧本，限定一个演员在电影里，在什么时间，什么地点，说什么话，做什么事等等东西。

这只是举个例子，在实际使用中事实表一般存放：

• 事实表主键（数据的粒度提现在这）
• 公共维度
• 度量（可以被统计的，计算的数据）
• 指标（根据需求而定）
• 隐藏指标（更具数据使用的经验而定）
• 常用的信息
  维度表一般存放：
• 类型
• 日期
• 标志
• 限定条件（可以被Where的字段）

根据目前的学习，总结出上述内容，个人理解。嘻嘻嘻