更多技術文章請關注公衆號：
前言
數據模型就是數據的組織和存儲方法，它強調從業務，數據存取，和使用角度合理的存儲數據。
模型設計是數據倉庫的必備技能和主要工作之一。模型設計的好壞直接影響數倉整體的性能，存儲成本，使用效率，數據質量等等。
數倉典型的模型方法論有以下幾種：ER模型，維度模型，Data Vault模型，Anchor模型，目前互聯網行業應用最廣泛的應屬於維度模型。
本系列文章對維度模型理論做完整的介紹，通過實例讓大家對維度建模有更加深入的理解。本人經驗有限，文章中有理解錯誤或不同觀點，歡迎指正。
什麼是維度建模
維度建模是一種將數據結構化的邏輯設計方法。首先介紹兩個最重要的概念：事實，維度。
維度建模將業務過程分爲度量和上下文。度量是由業務過程和支持它們的業務源系統獲取的，常常以數值形式體現，我們稱它們爲“事實”。
事實由大量的文本形式的上下文包圍着，這些文本形式的上下文是伴隨着事實產生而確定的。這些上下文被直觀的分割成多個獨立的模塊我們將其稱作“維”。維度描述了事實的相關信息，比如who，what，when，where，why等等。
舉個栗子：
小明在淘寶上下單100元買了兩箱牛奶，100元和2箱就是事實，而小明，牛奶，時間，配送地址等等這些信息就是維
如下圖就是按照維度建模方式來組織的數據結構，看上去像個星狀結構，也經常被稱作星型模型。中間藍色的就是事實表有若干維度鍵和度量值組成，黃色就是維度表，維度表由維度鍵和若干屬性組成（如用戶維度表可以包含姓名，性別，年齡，住址，學歷等等信息）
維度建模的好處
- 易於理解使用
相對於業務系統的規範化（3NF）模型，維度建模更易於業務用戶理解，因爲相同類別的信息已經放到對應的維度表中，對於使用分析來說意義都很明確。業務分析人員很容易就能找出分析操作所需的信息
- 查詢性能
維度建模的反規範化維度層次結構，減少了查詢的關聯操作，而關聯查詢是非常耗時的查詢操作。
- 一致性
維度建模強調維度一致性和事實一致性，數據倉庫總線架構要求所有事實共用一套維度表，這樣保證了數據一致性
- 快速迭代
基於一致性維度的總線架構，其實施過程可以按照不同業務過程進行拆分，快速滿足業務需求
未來內容
前面對維度建模進行了簡單介紹，其中很多技術細節和專業數據沒有展開細講，只是讓大家對維度建模有一個初步的認識。未來文章會對維度建模做更加詳細的介紹，包括數據倉庫總線架構概念，事實表和維度表技術細節的討論，以及維度設計過程詳解
更多技術文章請關注公衆號：
