一.典型的數(shù)據(jù)倉庫建模方法論

1.ER模型

建模分為3個階段：

高層模型:一個高度抽象的模型，描述的是主題以及主題之間的關(guān)系。

中層模型：細(xì)化主題的數(shù)據(jù)項(xiàng)

物理模型：物理存儲。

2.維度模型

維度建模是從分析決策?的需求出發(fā)構(gòu)建模型,為分析需求服務(wù)。星型，雪花模型分為如下幾個階段：

1.選擇需要進(jìn)行分析決策的業(yè)務(wù)過程。

2.選擇粒度。

3.識別維表

4.選擇事實(shí)。

3.Data Vault模型

Data Vault重點(diǎn)在于根據(jù)業(yè)務(wù)進(jìn)行數(shù)據(jù)整合，弱化數(shù)據(jù)一致性。分為如下幾個部分：

Hub?業(yè)務(wù)實(shí)體，Repository.

Link?連接Hub，表示Hub之間的關(guān)系

Satellite:Hub的詳細(xì)內(nèi)容，一個Hub由多個Satellite組成。

二.模型設(shè)計(jì)的基本原則

1.高內(nèi)聚，低耦合

2.核心模型與擴(kuò)展模型分離

3.公共處理邏輯下沉及單一

4.成本與性能平衡

5.數(shù)據(jù)可回滾

6.一致性:具備相同含義的字段在不同表的命名必須相同。

7.命名清晰，可理解。

三.模型的實(shí)施

1.Kimball維度實(shí)施過程

需要討論需求分析，高層模型，詳情模型和模型審查。

高層模型：目標(biāo)是創(chuàng)建高層維度模型圖，它是對業(yè)務(wù)過程中的維表和事實(shí)表的圖形描述。確定維表創(chuàng)建初始化屬性列表，為每個事實(shí)表創(chuàng)建提議度量。

詳細(xì)模型：詳細(xì)的維度建模過程是為高層模型填補(bǔ)確實(shí)的信息。

模型省察，再設(shè)計(jì)和驗(yàn)證

提交ETL設(shè)計(jì)和開發(fā)

2.Inmon模型實(shí)施過程

Inmon對數(shù)據(jù)模型的定位是：扮演著通往數(shù)據(jù)倉庫其他部分的智能路線圖的角色。由于數(shù)據(jù)倉庫的建設(shè)不是一蹴而就，為了協(xié)調(diào)不同人的工作，有必要建立一個路線圖--數(shù)據(jù)模型，描述數(shù)據(jù)倉庫各部分是如何結(jié)合在一起的。

ERD(實(shí)體關(guān)系層) DIS(數(shù)據(jù)項(xiàng)集)?物理層（物理模型）