數據倉庫技術（Data Warehouse Technologien) 第三章節多維數據模型（3）

32. 雪花模式（Snowflake Schema）

分類映射：每個分類級別一張表（比如，商品，產品組，等）
維度表包含：
- 分類節點的ID
- 描述的屬性（比如：市場，生產者，名稱/標誌）
- 直屬的更高分類層次的外鍵
事實表包括（除了變量）：
- 每個最低分類級別的外鍵
- 外鍵構成事實表的複合主鍵

33. 星形模式（Star Schema）

雪花模式是範化的：避免更新異常 → 3.NF
- 但是，需要Join更多的表格
星形模式
- 對屬於一個維度的表格非規範化 → 1.NF
- 對於一個維度剛好一個維度表
- 維度表中的冗餘可以較快查詢處理
- 比如：商品，產品，產品組等作爲產品表的列

34. 星形模式形式

n維多維度模式
- 維度表 $\small D^{1}, ... , D^{n}$ 的形式 $\small D^{i}(Dim_{1}\_Key,A_{i,1}, ... , A_{i,k_{i}})$
- 帶m個事實的事實表 $\small F(Dim_{1}\_Key, ... , Dim_{n}\_Key,f_{1}, ... , f_{m})$
事實表的組合主鍵的每個部分都是對應維度主鍵屬性的外鍵
Oracle中CREATE DIMENSION 語句
- 在SQL中外鍵約束是可表達的
- 但是：維度內的屬性之間的函數關係無法詳細說明
- Oracle拓展：CREATE DIMENSION
  - 保證”信息性“
  - DBS不會檢測正確性
  - 對物化視圖使用查詢重寫
關鍵字
- LEVEL
  - 定義分類級別
- HIERARCHZY
  - 確定分類級別的依賴性
- ATTRIBUTE ... DETERMINTS
  - 定義分類屬性和維度屬性之間的依賴性
CREATE DIMENSION示例

CREATE DIMENSION ProduktDimension
    LEVEL Artikel IS (Produkt.P_ID)
    LEVEL Produktgruppe IS (Produkt.P_PGruppe_ID)
    LEVEL Produktkategorie IS
        (Produkt.P_Produktkategorie)
HIERARCHY ProduktHierarchie (
    Artikel CHILD OF
    Produktgruppe CHILD OF
    Produktkategorie)
ATTRIBUTE Artikel DETERMINES (P_Bezeichnung,
    P_Verkaufspreis, P_Einkaufspreis,
    P_Rabatt, P_Steuern)
ATTRIBUTE Produktgruppe DETERMINES
    (P_Produktgruppe)

35. Snowflake with CREATE DIMENSION

CREATE DIMENSION ProduktDimension
    LEVEL Artikel IS (Produkt.P_ID)
    LEVEL Produktgruppe IS (Produktgruppe.PG_ID)
HIERARCHY ProduktHierarchie (
    Artikel CHILD OF Produktgruppe)
JOIN KEY (Produkt.P_PGruppe_ID)
    REFERENCES Produktgruppe

36. Star with CREATE DIMENSION

CREATE DIMENSION ZeitDimension
    LEVEL Tag IS (Zeit.Z_Tag_ID)
    LEVEL Monat IS (Zeit.Z_Monat_ID)
    LEVEL Jahr IS (Zeit.Z_Jahr_ID)
HIERARCHY ZeitHierarchie (
    Tag CHILD OF Monat CHILD OF Jahr)
ATTRIBUTE Tag DETERMINES (Z_Tag)
ATTRIBUTE Monat DETERMINES (Z_Monat)
ATTRIBUTE Jahr DETERMINES (Z_Jahr)

37. 對比星形模式和雪花模式

數據倉庫應用的特性
- 在查詢更高粒度等級上典型的限制（Join操作）
- 相較於事實表，維度表少量的數據量
- 分類極少更改（更新異常的危險）
星形模式的優點
- 簡單的結構（簡化查詢公式/語句）
- 分類層次結構的簡單和靈活的表達（維度表的列）
- 一個維度內的有效的查詢處理（沒有Join操作的必要性）

38. 假設考慮成本

n維（ $\small D^{n}$ ）,每第K分類級別加上Top
每個分類節點有三個孩子
- 級別 $\small i=K: 1= 3^{0}$ 個節點（Top）
- 級別 $\small i=K-1: 3= 3^{1}$ 個節點
- 級別 $\small i=K-2: 9= 3^{2}$ 個節點
- ...
- 級別 i = 0 ：最高的粒度， $\small 3^{K}$ 個節點
- 每個維度的節點
  - $N_{D}=\sum_{i=0...K} 3^{i}$
M個事實，在維度中均勻分佈
屬性：b Bytes: 節點只有ID: m 事實屬性

39. 完整的分類層次結構

對於每個節點都有一樣多的事實

40. 星形模式與雪花模式查詢開銷的對比

雪花模式的存儲空間：
- n 事實表中外鍵的數量
- m 事實屬性的數量
- $n*N_{D}$ 每個分類節點一個元組
星形模式的存儲空間：
- $n*3^{K}$ 每個分類節點Level 0 一個元組
- K 每個分類級別一個屬性

41. 星形模式和雪花模式的查詢

查詢：對於產品組”紅酒“每個城市和年份下的銷售情況

雪花模式

SELECT S_Name, YEAR(Z_Datum), SUM(V_Anzahl)
FROM Verkauf, Filiale, Stadt, Produkt, Produktgruppe, Zeit
WHERE V_Produkt_ID = P_ID AND
    P_PGruppe_ID = PG_ID AND
    V_Filial_ID = F_ID AND
    F_Stadt_ID = S_ID AND
    V_Zeit_ID = Z_ID AND
    PG_Bezeichnung = ’Wein’
GROUP BY S_Name, YEAR(Z_Datum)

Joins的數量： 5（隨着聚合路徑的數量線性增長）

星形模式

SELECT O_Stadt, YEAR(Z_Datum), SUM(V_Anzahl)
FROM Verkauf, Ort, Produkt, Zeit
WHERE V_Produkt_ID = P_ID AND
    V_Zeit_ID = Z_ID AND
    V_Ort_ID = O_ID AND
    P_Produktgruppe = ’Wein’
GROUP BY O_Stadt, YEAR(Z_Datum)

Joins的數量：3（與聚和路徑的長度無關）

42. 混合形式

單個維度的構成類似於雪花模式或者星形模式
選擇標準：
1. 維度的更改頻率
  - 通過範式化減少維護的工作量（雪花模式）
2. 一個維度中分類級別的數量
  - 越多分類級別 → 星形模式中越多的冗餘
3. 維度元素的數量
  - 通過對處於較低分類級別的維度上的大量元素範式化節省資源
4. 聚合物化
  - 通過對一個分類級別上的物化聚合進行範式化提高執行效率

43. 銀河模式（Galaxie-Schema）

星形-和雪花模式
- 一個事實表
- 只可能在同樣的維度上有多個特徵值
銀河模式
- 多個事實表
- 部分關聯到相同的維度表
- 也：多事實表模式，多立方體，超級立方體
銀河模式：模型

示例：

44. 分類層次結構的介紹

水平：將分類層次結構的級別建模爲非範式化維度表的列
- 優點：
  - 不含有Join的較高粒度的約束
- 缺點
  - 查詢某些級別時消除重複（比如：一個類別之內的產品組）
  - 添加新級別的時候更改模式

Produkt_ID	Artikel	Produktgruppe	Produktkategorie
1234	IU	Hy	Ko
1235	Pu	Hy	Ko
2345	Ro	Re	Ha

垂直（遞歸）：範式化帶屬性的維度表
- Dimensions_ID ：事實表的鍵
- Eltern_ID：下一更高級別Dimensions_ID的屬性值
- 優點：
  - 輕鬆的更改分類模式
  - 容易處理預計算聚合
- 缺點：
  - 爲單個級別查詢Self-Join（比如：一個類別之內的產品組）

Dimensions_ID	Eltern_ID
IU	Hy
Hy	Ko
Pu	Hy

合併：關聯兩種策略
- 使用列代表分類級別（但只適用一般性關係）
- 存儲所有較高級別的節點作爲元組
- 附加一類屬性”Stufe“(級別) → 描述特定的分類級別

Dimensions_ID	Stufe1_ID	Stufe2_ID	Stufe
IU	Hy	Ko	0
Pu	Hy	Ko	0
Hy	Ko	Null	1
Ko	Null	Null	2

45.避免語義丟失

關係映射中的語義丟失
- 特徵值和維度之間的區別（事實表的屬性）
- 維度表的屬性（層次結構的描述，搭建）
- 維度的搭建（Drill-路徑）
方法：
- 爲多維度應用的元數據拓展系統目錄
- 示例：Oracle中的CREATE DIMENSION, HIERARCHY

46. 關係實現的問題

將多維查詢轉換爲關係表達是有必要的 → 複雜查詢
使用複雜的查詢工具是有必要的（OLAP-工具）
語義丟失
因此：直接多維存儲

47. 緩慢改變維度

歷史化：屬性表達，關係和實體隨着時間的改變
維度中的結構改變
維度中的模式改變
對分析的影響

48. 分析要求

根據現有結構：as is
根據定義的歷史結構：as of
根據歷史事實：as posted
可對比結果

右側事實表，左側產品維度在2010和2011的產品和其對應的產品組
報表要求（根據事實表和維度表獲取的下表）

特別注意：”對比結果“的計算方法是，統計維度表中沒有隨着時間而改變的項目。

49. 實現

將歷史數據資料調整爲新結構的小型數據集，但是舊結構不再可用
歷史數據庫的分離存儲附加在新結構上，爲用戶提供大量數據和複雜性，但是舊結構可以被檢索
建立具有所有結構的並行層次結構，維度結構複雜，可能進行任意報告
有效性標記任何可檢索到的結構，但是會出現性能問題

50. 場景

”As is“場景
- 容易實現
- 不存在歷史
- 只提供給”as is“

”as is“ & quasi ”as of“場景
- 更高的存儲需求
- 沒有時間順序的歷史
- 對應於並行層次結構

”as is“ & ”as of“場景
- 較高存儲需求
- 沒有時間順序的歷史
- 必要的人工維度鍵

”as is“ & ”as of“場景：時間戳
- 更高的存儲需求
- 帶時間順序的歷史
- 必要的人工維度鍵（或者複合鍵）
- 事實聯結Getraenk_ID

”as posted“場景
- 更高的存儲需求
- 事務時間點的歷史
- 必要的人工維度鍵（或者複合鍵）
- 事實聯結G_ID_alt

”as is“ & ”as of“ & ”as posted“場景: 快照
- 維度表和事實表更高的存儲需求
- 當前分配的標誌
- 人工加載時間點數據
- 僅僅爲小維度推薦值

總結

多維度數據模型
- 立方體，特徵值，維度
- OLAP操作
概念建模技術
- 沒有類似ER模型的標準
- 多維概念的專用結構
多維模型的實現
- 關係：星形模式和雪花模式
- 混合模式
- 避免語義丟失

數據倉庫技術（Data Warehouse Technologien) 第三章節多維數據模型（3）

32. 雪花模式（Snowflake Schema）

33. 星形模式（Star Schema）

34. 星形模式形式

35. Snowflake with CREATE DIMENSION

36. Star with CREATE DIMENSION

37. 對比星形模式和雪花模式

38. 假設考慮成本

39. 完整的分類層次結構

40. 星形模式與雪花模式查詢開銷的對比

41. 星形模式和雪花模式的查詢

42. 混合形式

43. 銀河模式（Galaxie-Schema）

44. 分類層次結構的介紹

45.避免語義丟失

46. 關係實現的問題

47. 緩慢改變維度

48. 分析要求

49. 實現

50. 場景

總結

HTTP URL 詳解

棧的實現(C++)

數據倉庫技術（Data Warehouse Technologien) 第三章節多維數據模型（1）

算法實現之雙色漢諾塔

排序算法時間複雜度總結表

C++鏈表的應用實例

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結

數據倉庫技術（Data Warehouse Technologien) 第三章節 多維數據模型（3）

32. 雪花模式 （Snowflake Schema）

33. 星形模式 （Star Schema）

34. 星形模式 形式

35. Snowflake with CREATE DIMENSION

36. Star with CREATE DIMENSION

37. 對比星形模式和雪花模式

38. 假設考慮成本

39. 完整的分類層次結構

40. 星形模式與雪花模式查詢開銷的對比

41. 星形模式和雪花模式的查詢

42. 混合形式

43. 銀河模式（Galaxie-Schema）

44. 分類層次結構的介紹

45.避免語義丟失

46. 關係實現的問題

47. 緩慢改變維度

48. 分析要求

49. 實現

50. 場景

總結

數據倉庫技術（Data Warehouse Technologien) 第三章節多維數據模型（3）

32. 雪花模式（Snowflake Schema）

33. 星形模式（Star Schema）

34. 星形模式形式