数据仓库维度建模
来源:互联网 发布:关于服装设计的软件 编辑:程序博客网 时间:2024/04/28 17:42
维度建模法
维度建模将信息组织到结构中,这些结构通常对应于分析者希望对数据仓库数据使用的查询方法。1999 年第三季度西北地区的食品销售额是多少?表示使用三个维度(产品、地理、时间)指定要汇总的信息。
星型模式之所以广泛被使用,在于针对各个维作了大量的预处理,如按照维进行预先的统计、分类、排序等。通过这些预处理,能够极大的提升数据仓库的处理能力。特别是针对 3NF 的建模方法,星型模式在性能上占据明显的优势。
同时,维度建模法的另外一个优点是,维度建模非常直观,紧紧围绕着业务模型,可以直观的反映出业务模型中的业务问题。不需要经过特别的抽象处理,即可以完成维度建模。这一点也是维度建模的优势。维度建模的优点可以总结如下:
a) 维度建模是可预测的标准框架。允许数据库系统和最终用户查询工具在数据方面生成强大的假设条件,这些数据主要在表现和性能方面起作用。
b) 星型连接模式的可预测框架能够忍受不可预知的用户行为变化。
c) 具有非常好的可扩展性,以便容纳不可预知的新数据源和新的设计决策。可以很方便在不改变模型粒度情况下,增加新的分析维度和事实,不需要重载数据,也不需要为了适应新的改变而重新编码。较好的扩展性意味着以前的所有应用都可以继续运行,并不会产生不同的结果。
但是,维度建模法的缺点也是非常明显的,由于在构建星型模式之前需要进行大量的数据预处理,因此会导致大量的数据处理工作。而且,当业务发生变化,需要重新进行维度的定义时,往往需要重新进行维度数据的预处理。而在这些与处理过程中,往往会导致大量的数据冗余。
另外一个维度建模法的缺点就是,如果只是依靠单纯的维度建模,不能保证数据来源的一致性和准确性,而且在数据仓库的底层,不是特别适用于维度建模的方法。
0 0
- 数据仓库中维度建模
- 数据仓库维度建模笔记
- 数据仓库维度建模笔记
- 数据仓库维度建模举例
- 数据仓库中维度建模
- 数据仓库维度建模
- 数据仓库维度建模
- 初学数据仓库-维度建模
- 数据仓库建模-维度建模基础知识
- 漫谈数据仓库之维度建模
- 漫谈数据仓库之维度建模
- 数据仓库工具箱:维度建模的完全指南
- 数据仓库系列-为什么要维度建模
- 【读书笔记】数据仓库工具箱 维度建模指南
- 在数据仓库中维度建模的认识
- 数据仓库维度建模(针对多种业务的数据仓库总线结构)
- 读《数据仓库工具箱:维度建模的完全指南》之开篇
- <数据仓库工具箱—维度建模的完全指南>读书笔记
- 相互关注互粉mysql实现
- 面试题21
- C++实现模拟定时器
- Linux系统下jailkit的安装与使用示例
- canvas 让你呼风唤雨,下雨下雪效果
- 数据仓库维度建模
- Android RecyclerView通用Adapter及item拖拽、滑动删除
- MySQL与oracle日期格式化字符对照表
- JavaCC -- 生成C++代码
- Redis和Memcache的对比及选择
- Android View measure流程详解
- hdu 4288 Coder
- java中static修饰特殊的类
- A problem occurred configuring project ':app'. > failed to find Build Tools revision 23.0.1