开发和生成数据库中经常使用的数据概念示意的环节称为数据建模。数据仓库高低文中的数据建模是创立将存储在数据仓库中的数据的逻辑示意的环节。
数据仓库中数据建模的目的是树立一个能够成功有效数据存储、检索和剖析的结构。精心设计的数据模型将有助于确保数据仓库可裁减、顺应性强并且能够满足业务需求。
一 启动数据建模须要什么
在数据仓库中，数据建模通常须要开发维度模型，这是一种将数据组织为维度和目的的数据模型。维度是可用于剖析的数据属性，例如期间、位置和产品。开售额或支出等目的是可以剖析的数据项。
除了创立维度模型之外，数据仓库中的数据建模还或许触及创立数据字典，数据字典是数据仓库中蕴含的数据的完整形容。数据字典蕴含无关数据结构和含意的消息，可用于确保数据剖析的分歧性和正确性。
二 为什么须要数据建模
数据仓库中须要数据建模的一些关键要素是：
● 高效的数据存储 ：数据建模有助于数据的组织，以最大限制地提高存储和检索效率。它保障数据以有组织的形式保留，从而准许便捷的查问和报告。
● 数据分歧性 ：数据建模保障数据仓库中的数据是分歧的。数据建模经过指定数据元素之间的相关和解放来保障数据一直准确且最新。
● 数据品质 ：数据建模也有助于数据品质保障。数据建模可以经过设置业务规定和限制来协助识别和纠正数据中的失误。
● 灵敏性和可裁减性 ：数据建模准许增加新的数据源并顺应一直变动的业务需求。它还使数据仓库能够随着数据量的增长而裁减。
三 数据建模架构
数据建模中存在三种关键类型的形式，可确保数据组织的杰出数据检索速度和灵敏性。
●星型形式：星型形式围绕具备许多维度表的中央理想表组织数据。理想表包括剖析定量测量，而维度表则提供这些测量的高低文。
●雪花形式：雪花形式与星型形式相似，不同之处在于维度表是规范化的，或许分为许多表。这或许会使形式愈加复杂，但也可以使其愈加灵敏且更易于保养。因此，它是星型形式的裁减。
●星系形式：星系形式是星型形式和雪花形式的混合体。经过使某些维度表规范化而另一些维度表不规范化，它联合了星型形式的便捷性和雪花模型的灵敏性。
四 将 RDBMS 形式转换为星型或雪花形式10步法
以下是将 RDBMS 形式转换为星型形式或雪花形式的分步环节：
1.识别理想表 ：咱们宿愿剖析的可量化数据（例如开售额、支出或点击次数）蕴含无理想表中，确定理想表的主键。
2.识别维度表： 维度表蕴含无关理想表数据的形容性消息，例如期间、位置、产品或客户，确定维度表的主键。
3.维度表规范化 ：为了消弭冗余，提高查问效率，对维度表启动规范化。
4.创立代理键： 在每个维度表中为每个主键创立一个新列，并为每一行指定惟一的 ID。
5.增加外键： 将维度表的代理键作为外键增加到理想表中。
6.对理想表启动非规范化 ：将任何新列（例如计算字段）增加到理想表中，而后对其启动非规范化以缩小冗余。
7.创立星形或雪花形式： 经常使用外键将理想表衔接到维度表。星型形式中的一切维度表都与理想表间接相关。雪花形式中的一些维度表可以经过两边表进一步规范化和链接。
8.加载数据： 经常使用 ETL（提取、转换、加载）工具，将数据从 RDBMS 形式加载到星型或雪花形式中。
9.测试和验证 ：测试数据以确认其正确并满足公司的需求。
10.保养架构： 依据须要启动修正以顺应新数据或业务需求的变动，从而使架构坚持最新。
五 小结
数据建模关于数据仓库名目的成功至关关键。经过应用精心设计的数据模型，组织可以更好地理解他们的数据、提高数据品质并做出更理智的业务选用。数据建模方法的选用（无论是星型形式、雪花形式还是其余形式）取决于组织的共同需求和建模数据的类型。为了确保生成的数据模型满足组织的需求，将业务利益相关者和 IT 专家归入数据建模环节至关关键。组织可以经过牢靠的数据模型开发高效且成功的数据仓库，从而使他们能够从数据中提取最大价值。