文章目录
- 一、星型模式
- 二、星型模式 缺点
- 三、雪片模型
- 四、星型模型 雪片模型 折衷方案
- 五、事实群模型 ( 仅做了解 )
- 六、度量
一、星型模式
星型模式 是 多维数据模型 的表现形式 ;
星型模式 展示 : 中间有一个表 , 称为 事实表 , 周围有很多小表 , 这些表称为 维表 ;
以 “商品” 表为例 :
- 事实表 : 描述商品的 时间 , 位置 , 供应商 , 零售价 , 商品颜色 等信息 ;
- 维表 : 时间 对应的维表 包含 年 , 月 , 日 , 时 , 分 , 秒 等字段 ; 位置 维表有 国家 , 省份 , 地区 , 城市 , 街道 等字段信息 , 供应商 维表 有 公司名称 , 法人 , 税号 , 公司注册地点 等字段信息 ;
- 事实表中的 度量 : 上述 零售价 , 商品颜色 没有与维表关联 , 是度量 ;
二、星型模式 缺点
星型模式 缺点 :
1 . 星型模式 不支持 维 的层结构 ;
- 单一维表 : 每个 维 只有一个维表 , 所有的 维层属性 都放在一个表中 , 没有进行规范化 ;
- 单一维表 示例 : 以上述 “商品” 事实表的 时间 对应的维表 为例 , 将 年 , 月 , 日 , 时 , 分 , 秒 等字段放在同一个 维表 中 , 时间维 可以变成 多个维表 , 如只包含 年月日的维表 , 只包含 年 月 的维表 等 ;
2 . 数据冗余 :
- 数据冗余 : 每个 维表 都要表示所有的层 , 每个层有自己的属性 , 有很多数据冗余 ;
- 数据冗余 示例 : 上述 时间维表 中每个商品 , 都要存储完整的 年 , 月 , 日 , 时 , 分 , 秒 数据 , 实际上商品的 年 , 月 , 等数据 , 很多商品都是相同的 , 只记录一次即可 , 不同所有的商品都记录年月 信息 , 因此产生了大量的冗余数据 ;
3 . 不同维层属性名相同查询问题 :
- 不同维层 , 有相同的属性 , 只能使用 换名 方式进行查询 ;
- 不同维层 相同属性示例 : 如 商店 事实表中 , 城市 , 省份 , 国家 , 每个层级都有一个经理 Manager , 当 查询 Manager 属性时 , 直接将 城市经理 , 省份经理 , 国家经理 , 都查询出来了 , 无法查询单独一个级别的经理信息 ;
三、雪片模型
对于 维层次 复杂的维
- 为了 避免 冗余数据占用过多空间
- 为了 支持 不同维层 相同属性 查询
使用多个维表 描述复杂的维 , 这样在 星型模型 的 星的角上 , 出现了分支 , 类似于雪花形状 , 因此这种变种的 星型模型 称为 “雪片模型” ;
雪片模型示例 : 以 “商品” 表为例
- 事实表 : 描述商品的 时间 , 位置 , 供应商 , 零售价 , 商品颜色 等信息 ;
- 第一层维表 : 时间 对应的维表 包含 日 , 时 , 分 , 秒 等字段 ; 位置 维表有 城市 , 街道 等字段信息 , 供应商 维表 有 公司名称 , 法人 , 税号 , 公司注册地点 等字段信息 ;
- 第二层维表 : 时间表的第一层维表的 日 , 又使用 第二层维表表示 , 该维表中有 年 , 月 , 日 , 三个维度的信息 ; 地区表 的第一层维表的 城市 , 使用第二层维表 表示 , 该第二层维表有 国家 , 省份 , 城市 , 三个维度的信息表示 ;
- 事实表中的 度量 : 上述 零售价 , 商品颜色 没有与维表关联 , 是度量 ;
雪片模型 优缺点 :
- 雪片模型优点 : 雪片模型的维表是规范化的维表 , 雪片模型维表 易于维护 , 节省存储空间 ;
- 雪片模型缺点 : 雪片模型 查询时 , 需要 进行较多的连接操作 , 影响系统性能 ;
雪片模型 更好的 体现了 维层结构 ,
- 对于专业的数据库 建模 设计人员 , 更容易理解 , 分析 ; - 对于 普通用户 来说 , 比较复杂 ;
四、星型模型 雪片模型 折衷方案
推荐采用一种 星型模型 和 雪片模型 折衷方案 , 将 星型模式 与 雪片模式 结合使用 ;
- 大维表节省空间 : 针对 大维表 , 规范化 , 节省存储空间 ;
- 小维表效率优先 : 对于 小维表 , 采用不规范化的形式 , 避免因为查询时 , 过多的表连接 , 引起性能降低 ;
五、事实群模型 ( 仅做了解 )
该模型 比 星型模式 , 雪片模型 更复杂 , 上述两个模型 , 只有一个事实表 , 但是 在事实群模型中 , 有多个事实表 , 两个事实表 , 可能公用一些维表 ;
六、度量
数据方体 中的度量 , 可以分为三种不同的类型 :
- 分布型
- 代数型
- 整体型
分布型 度量 :
- 特点 : 可以累加 ;
- 示例 : 求和 , 计数 , 求最小值 , 求最大值 ;
代数型 度量 :
- 特点 : 无法累计 ; 但是可以转换成 分布式 度量 ;
- 示例 : 求平均值 , 无法累加 , 但是可以转成 先求和 , 然后再计算平均值 的 分布性 度量 ;
整体型 度量 :
- 特点 : 必须有所有的值才能计算 , 无法累加 ;
- 示例 : 求中间值 , 求前
个最大值 , 排名 , 必须统计完整数据 , 才能计算出来 ;
