维度建模和范式建模的区别？
数据仓库 344
通常数据建模有以下几个流程
- 概念建模:即通常先将业务划分多个主题。
- 逻辑建模:即定义各种实体、属性和关系。
- 物理建模:设计数据对象的物理实现，比如表字段类型、命名等。
那么范式建模，即3NF模型具有以下特点
- 原子性，即数据不可分割。
- 基于第一个条件，实体属性完全依赖于主键，不能存在仅依赖主关键字一部分属性。即不能存在部分依赖。
- 基于第二个条件，任何非主属性不依赖于其他非主属性。即消除传递依赖。
基于以上三个特点，3NF的最终目的就是为了降低数据冗余，保障数据一致性;同时也有了数据关联逻辑复杂的缺 点。
而维度建模是面向分析场景的，主要关注点在于快速、灵活，能够提供大规模的数据响应。
常用的维度模型类型主要有
- 星型模型：即由一个事实表和一组维度表组成，每个维表都有一个维度作为主键。事实表居中，多个维表呈 辐射状分布在四周，并与事实表关联，形成一个星型结构。
- 雪花模型：在星型模型的基础上，基于范式理论进一步层次化，将某些维表扩展成事实表，最终形成雪花状 结构
- 星系模型：基于多个事实表，共享一些维度表。
-
通常数据建模有以下几个流程
- 概念建模:即通常先将业务划分多个主题。
- 逻辑建模:即定义各种实体、属性和关系。
- 物理建模:设计数据对象的物理实现，比如表字段类型、命名等。
那么范式建模，即3NF模型具有以下特点
- 原子性，即数据不可分割。
- 基于第一个条件，实体属性完全依赖于主键，不能存在仅依赖主关键字一部分属性。即不能存在部分依赖。
- 基于第二个条件，任何非主属性不依赖于其他非主属性。即消除传递依赖。
基于以上三个特点，3NF的最终目的就是为了降低数据冗余，保障数据一致性;同时也有了数据关联逻辑复杂的缺 点。
而维度建模是面向分析场景的，主要关注点在于快速、灵活，能够提供大规模的数据响应。
常用的维度模型类型主要有
- 星型模型：即由一个事实表和一组维度表组成，每个维表都有一个维度作为主键。事实表居中，多个维表呈 辐射状分布在四周，并与事实表关联，形成一个星型结构。
- 雪花模型：在星型模型的基础上，基于范式理论进一步层次化，将某些维表扩展成事实表，最终形成雪花状 结构
- 星系模型：基于多个事实表，共享一些维度表。
1个月前 0条评论
