大数据平台当中的数据仓库，往往需要通过建模来更好地对数据进行存储和管理，这其中涉及到性能、成本、效率、质量等多方面的综合考量，对于工程师来说，也需要细细规划。今天的大数据开发分享，我们主要来讲讲数据仓库建模方法与模型。
数仓建模方法
数据仓库中几种经典的数据模型，包括关系建模、维度建模、DataVault模型。在实际工作中，通常会根据业务场景选择一种或几种模型。
1、关系建模
关系建模，是数据仓库之父Inmon推崇的，被称为“实体-关系”模型，以一种“标准化”的方式存在，强调数据之间非冗余，满足3NF。关系建模是站在企业角度面向主题的抽象，而不是针对某个具体业务流程的实体对象关系抽象。它更多用于数据的整合和一致性质量。
2、维度建模
维度建模，Ralph Kimball博士最先提出这一概念。其最简单的描述就是，按照事实表、维表来构建数据仓库、数据集市。这种方法很多人称之为星形模型。之所以称为星形模型是因为它的表示方法是以一颗“星”为中心，周围围绕着其他数据结构，如下图。
星形模型的中心是一张事实表。事实表是包含大量数据值的一种结构。事实表的周围是维表，用来描述事实表的某个重要方面。维表里的数据量要比事实表里的少。
星形模型之所以广泛被使用，在于针对各个维作了大量的预处理，比如按照维进行了预先的排序、分类、统计等。通过这些预处理，能够极大地提升数据仓库的处理能力。特别是针对3NF的建模方法，星形模型在性能上占据明显的优势。因此，星形模型仅适用于小范围数据（如一个部门或甚至一个子部门）。
通常星形模型只包含一张事实表。但是在数据库设计中要创建一种雪花结构的复合结构，需要多张事实表结合。如下图，描绘了一个雪花模型。
在雪花模型中，不同的事实表通过共享一个或多个公共维表连接起来。有时称这些共享的维表为一致维表。
维度建模的最大优点在于访问的高效性。如果设计适当，通过星形连接将数据传递给最终用户是非常高效的。为了提高传递信息的效率，必须收集并吸收最终用户的请求。最终用户使用数据的过程是要定义什么样的多维结构的核心。一旦清楚了最终用户的请求，这些请求就可以用来最终确定星形模型，形成最理想的结构。
3、Data Vault模型
Data Vault是另一种数据仓库建模方法，是Dan Linstedt在20世纪90年代提出的，主要用于企业级的数据仓库建模。
Data Vault需要跟踪所有数据的来源，因此其中每个数据行都要包含数据来源和装载时间属性，用以审计和跟踪数据值对应的源系统。
Data Vault不区分数据在业务层面的正确与错误，它保留操作型系统的所有时间的所有数据，装载数据时不做数据验证、清洗等工作，这点明显有别于其他数据仓库建模方法。
Data Vault是对ER模型更近一步的规范化，由于对数据的拆解更偏向于基础数据组织，在处理分析类场景时相对复杂，适合数据仓库底层构建，目前实际应用场景较少。
关于大数据学习开发，数据仓库建模方法与模型，以上就为大家做了简单的介绍了。数据仓库建模，是数仓设计当中的重要阶段，根据实际的应用需求，选择合适的方法与模型，是工程师必备的能力之一。
