数仓入门基础-8-模型设计

1.事实表模型设计

    事实表有三种类型 : 事务事实表、周期快照事实表和累积快照事实表。
    事务事实表用来描述业务过程，眼踪空间或时间上某点的度量事件，保存的是最原子的数据，也称为“原子事实表“；
    周期快照事实表以具有规律性的、可预见的时间间隔记录事实 ，时间间隔如每 天、每月、每年等；
    累积快照事实表用来表述过程开始和结束之间的关键步骤事件 ，覆盖过程的整个生命周期，通常具有多个日期字段来记录关键时间点， 当过程随着生命周期不断变化时，记录也会随着过程的变化而被修改。

1.1设计原则

1:尽可能包含所有与业务过程相关的事实；
2:只选择与业务过程相关的事实；
3:分解不可加性事实为可加的组件，比如订单的优惠率，应该分解为订单原价金额与订单优惠金额两个事实存储在事实表中；
4:在选择维度和事实之前必须先声明粒度；
5:在同一个事实表中不能有多种不同粒度的事实；
6:事实的单位要保持一致，比如原订单金额、 订单优惠金额、订单运费金额这三个事实，应该采用一致的计量单位， 统一为元或分，以方便使用；
7:对事实的null值要处理，
8: 使用退化维度(存储到事实表中的维度列)提高事实表的易用性；

    在 Kimball 的维度建模中，通常按照星形模型的方式来设计，对于维度的获取采用的是通过事实表的外键关联专门的维表的方式，谨慎使用退化维度。而在大数据领域的事实表设计中，则大量采用退化维度的方式(事实宽表)，在事实表中存储各种类型的常用维度信息。这样设计的目的主要是为了减少下游用户使用时关联多个表的操作，直接通过退化维度实现对事实表的过滤查询、控制聚合层次、排序数据以及定义主从关系等。 通过增加冗余存储的方式减少计算开销，提高使用效率。

1.2设计步骤

1.选择业务过程及确定事实表类型
    例如选择支付过程，分析每天用户支付金额情况，可以做周期快照事实表。
2.声明粒度
    粒度的声明是事实表设计中不可忽视的重要一步，粒度用于确定事实表中一行所表示业务的细节层次。在设计事实表的过程中，粒度定义得越细越好，建议从最 低级别的原子粒度开始，因为原子粒度提供了最大限度的灵活性，可以支持无法预期的各种细节层次的用户需求。
3.确定维度
    比如在淘宝订单付款事务事实表中，粒度为子订单， 相关的维度有买家、卖家、商品、收货人信息 、 业务类型、订单时间等维度。
4.确定事实
    事实可以通过回答“过程的度量是什么”来确定。应该选择与业务过程有关的所有事实，且事实的粒度要与所声明的事实表的粒度一致。
5.冗余维度（关联维度做大宽表）

2.维表设计

    维度的设计过程就是确定维度属性的过程，如何生成维度属性，以及所生成的维度属性的优劣，决定了维度使用的方便性，成为数据仓库 易用性的关键。正如Kimball 所说的，数据仓库的能力直接与维度属性的质量和深度成正比。

2.1设计原则

    1.尽可能生成丰富的维度属性，比如淘宝商品维度有近百个维度属性，为下游的数据统计、分析、探查提供了良好的基础。
    2.尽可能多地给出包括一些富有意义的文字性描述。
    3.区分数值型属性和事实，数值型宇段是作为事实还是维度属性，可以参考字段的一般用途。 如果通常用于查询约束条件或分组统计，则是作为维度属性;如果通常 用于参与度量的计算， 则是作为事实。比如商品价格，可以用于查询约束条件或统计价格区间 的商品数量，此时是作为维度属性使用的;也可以用于统计某类目下商品的平均价格，此时是作为事实使用的。另外， 如果数值型字段是离散值，则作为维度属性存在的可能性较大;如果数 值型宇段是连续值 ，则作为度量存在的可能性较大，但并不绝对，需要同时参考宇段的具体用途。
    4.尽量沉淀出通用的维度属性，需要将尽可能多的通用的维度属性进行沉淀。一方面，可以提高下游使用的方便性，减少复杂度;另 一方面，可以避免下游使用解析时由于各自逻辑不同而导致口径不一致
    5.维度一致性，对于相同含义的字段进行整合，统一的命名，字段类型，方便维护与理解。

2.2设计步骤

• 第一步:选择维度或新建维度。作为维度建模的核心，在企业级数据仓库中必须保证维度的唯一性。比如商品维度,只有商品维度信息。
• 第二步:确定主维表。此处的主维表一般是ODS表，直接与业务系统同步。以商品维度为例， t_sku 是从业务系统同步的商品表，此表即是主维表。
• 第三步:确定相关维表。数据仓库是业务源系统的数据整合，不同业务系统或者同一业务系统中的表之间存在关联性。根据对业务的梳理，确定哪些表和主维表存在关联关系，并选择其中的某些表用于生成维度属性。以商品维度为例，根据对业务逻辑的梳理，可以得到商品与类目、 SPU、 卖家、店铺等维度存在关联关系。
• 第四步 :确定维度属性 。本步骤主要包括两个阶段，其中第一个阶段是从主维表 中选择维度属性或生成新的维度属性;第二个阶段是从相关维表中选择维度属性或生成新的维度属性。以淘宝商品维度为例，从主维(t_sku)和类目、 SPU、卖家、店铺等相关维表中选择维度属性或生成新的维度属性。