上一篇文章我已經簡單介紹了資料分析中為啥要建立資料倉庫，從本周開始我們開始一起學習資料倉庫。學習資料倉庫，你一定會了解到兩個人：資料倉庫之父比爾·恩門（Bill Inmon）和資料倉庫權威專家Ralph Kimball。Inmon和Kimball兩種DW架構支撐了資料倉庫以及商業智能近二十年的發展，其中Inmon主張自上而下的架構，不同的OLTP資料集中到面向主題、內建的、不易失的和時間變化的結構中，用于以後的分析;且資料可以通過下鑽到最細層，或者上卷到彙總層;資料集市應該是資料倉庫的子集;每個資料集市是針對獨立部門特殊設計的。而Kimball正好與Inmon相反，Kimball架構是一種自下而上的架構，它認為資料倉庫是一系列資料集市的集合。企業可以通過一系列維數相同的資料集市遞增地建構資料倉庫，通過使用一緻的次元，能夠共同看到不同資料集市中的資訊，這表示它們擁有公共定義的元素。
這裡我主要介紹次元模組化方法。這一方法是Kimball最先提出的，其最簡單的描述就是按照事實表、次元表來建構資料倉庫、資料集市。在次元模組化方法體系中，次元是描述事實的角度，如日期、客戶、供應商等，事實是要度量的名額，如客戶數、銷售額等。按照一般書籍的介紹，次元模組化還會分為星型模型、雪花模型等，各有優缺點，但很少直接回答一個問題，也就是資料倉庫為什麼要采用次元模組化？
星型模型
雪花模型
資料倉庫包含的内容很多，它可以包括架構、模組化和方法論。對應到具體工作中的話，它可以包含下面的這些内容：
1、資料架構體系：以Hadoop、Spark等組建為中心的資料架構體系。
2、各種資料模組化方法：如次元模組化、範式模組化法、實體模組化法。
3、輔助系統：排程系統、中繼資料系統、ETL系統、可視化系統這類輔助系統。
我們暫且不管資料倉庫的範圍到底有多大，在資料倉庫體系中，資料模型的核心地位是不可替代的。是以，下面的将詳細地闡述資料模組化中的典型代表：次元模組化，對它的的相關理論以及實際使用做深入的分析。
為了能更真切地了解什麼是次元模組化，我将在後續的文章中模拟一個大家都十分熟悉的電商場景，運用講到的理論進行模組化。理論和現實的工作場景畢竟會有所差距，這一塊，我會分享一下企業在實際的應用中所做出的取舍。接下來具體來了解次元模組化
一、什麼是次元模組化
次元模型是資料倉庫領域大師Ralph Kimball 所倡導，他的《資料倉庫工具箱》，是資料倉庫工程領域最流行的數倉模組化經典。次元模組化以分析決策的需求出發構模組化型，建構的資料模型為分析需求服務，是以它重點解決使用者如何更快速完成分析需求，同時還有較好的大規模複雜查詢的響應性能。
我們換一種方式來解釋什麼是次元模組化。學過資料庫的童鞋應該都知道星型模型，星型模型就是我們一種典型的次元模型。我們在進行次元模組化的時候會建一張事實表，這個事實表就是星型模型的中心，然後會有一堆次元表，這些次元表就是向外發散的星星。那麼什麼是事實表、什麼又是次元表，下面會專門來解釋。
星型模型
二、次元模組化的基本要素
次元模組化中有一些比較重要的概念，了解了這些概念，基本也就了解了什麼是次元模組化。
1. 事實表
發生在現實世界中的操作型事件，其所産生的可度量數值，存儲在事實表中。從最低的粒度級别來看，事實表行對應一個度量事件，反之亦然。不太了解舉個例子。比如一次購買行為我們就可以了解為是一個事實，大家看一下星星模型示例。
圖中的訂單表（ICstockbill）就是一個事實表，你可以了解他就是在現實中發生的一次操作型事件，我們每完成一個訂單，就會在訂單中增加一條記錄。我們可以回過頭再看一下事實表的特征，在事實表裡沒有存放實際的内容，他是一堆主鍵的集合，這些ID分别能對應到次元表中的一條記錄。
2. 次元表
每個次元表都包含單一的主鍵列。次元表的主鍵可以作為與之關聯的任何事實表的外鍵，當然，次元表行的描述環境應與事實表行完全對應。 次元表通常比較寬，是扁平型非規範表，包含大量的低粒度的文本屬性。圖中的customer（客戶表）、goods(商品表)、d_time(時間表)這些都屬于次元表，這些表都有一個唯一的主鍵，然後在表中存放了詳細的資料資訊。
最後說一下次元模型的優缺點：
1、資料備援小（因為很多具體的資訊都存在相應的次元表中了，比如客戶資訊就隻有一份）
2、結構清晰（表結構一目了然）
3、便于做OLAP分析（資料分析用起來會很友善）
4、增加使用成本，比如查詢時要關聯多張表
5、資料不一緻，比如使用者發起購買行為的時候的資料，和我們次元表裡面存放的資料不一緻
再說沒有資料倉庫的寬事實表的優缺點：
1、業務直覺，在做業務的時候，這種表特别友善，直接能對到業務中。
2、使用友善，寫sql的時候很友善。
3、資料備援巨大，真的很大，在幾億的使用者規模下，他的訂單行為會很恐怖、粒度僵硬，什麼都寫死了，這張表的可複用性太低。
資料倉庫的模組化方法有很多種，我目前主要學習了解的次元模組化方法。開始嘗試寫資料倉庫系列文章，文中如有錯誤或誤導的地方歡迎大家指出糾正。 希望這篇文章能夠給大家帶來幫助，最後感謝大家的閱讀。歡迎大家一起加入高效資料處理ETL交流群，一起讨論資料分析前ETL過程的問題，一起學習一起成長。
掃碼加群：
小黎子，一個專注于資料分析整體資料倉庫解決方案的程式猿！
作 者：黃昏前黎明後
出 處：http://www.cnblogs.com/fly-bird/
歡迎關注個人公衆号：小黎子資料分析，轉載文章請務必注明出處。