数据仓库维度建模

数据架构数据仓库维度建模星型模型·雪花模型·维度设计·事实表汇报人数据架构团队内容导览01基础概念维度建模核心思想与关键术语02模型对比星型模型与雪花模型深度解析03设计实践维度表设计方法与实战技巧04进阶总结高阶主题与最佳实践回顾01CHAPTER维度建模基础面向分析，而非面向事务从OLTP到OLAP，理解维度建模的出发点从流程思维转向分析思维维度OLTPOLAP设计范式高度规范化适度非规范化主导操作增删改批量查询关注焦点单条记录聚合与趋势数据粒度明细汇总与明细传统数据库面向事务处理，数据仓库面向分析决策，维度建模拆解业务过程转三大设计取向传统数据库面向事务处理，核心目标是写入效率与数据一致性数据仓库面向分析决策，核心目标是查询性能与分析灵活性维度建模将业务过程拆解为"发生了什么"与"在什么条件下发生"事实表与维度表事实表记录发生了什么，维度表回答在什么条件下发生事实表记录业务过程的度量值，如销售额、数量，通常是数字且可聚合。行数庞大，持续增长随业务发生不断累积明细记录。以度量字段为主体核心承载可量化的业务数值。依赖维度提供语义借助外键关联维度获取业务背景。维度表提供分析的上下文，如时间、地区、产品，回答谁、何时、何地。行数相对稳定维度成员的变更频率较低。以描述性属性为主体提供分类、名称等定性信息。决定分析的角度与深度多维切片的层次由此定义。维度建模的价值所在维度建模并非唯一方法，但凭借

直观性

与

性能优势

长期占主流。查询高效星型连接减少多表关联扫描路径清晰易于理解结构贴近业务语言业务人员可直接使用扩展灵活新增维度或事实时对现有结构冲击小02CHAPTER核心模型对比简单与规范，如何权衡星型模型与雪花模型，各有其适用场景星型模型解析中心辐射·星型布阵核心枢纽中心为一张

事实表，四周直接连接多个

维度表正交关联每个维度表只与事实表关联，维度表之间不建立关系适度冗余维度表通常保留一定冗余，不做深度规范化一枚硬币·两面权衡优势连接层级少，查询性能突出结构简单，分析工具兼容性好局限维度表存在冗余，占用更多存储维度数据变更时维护成本略高雪花模型解析雪花模型结构子维度通过外键与上层维度关联减少数据冗余维度层级关系表达更清晰优势维度层级关系表达更清晰存储占用更小，数据一致性更强局限连接层级增多，查询复杂度上升对业务用户的理解门槛更高星型与雪花如何取舍对比维度星型模型雪花模型查询性能较高较低存储占用较大较小理解难度较低较高维护复杂度集中分散分析查询频繁对响应速度敏感查询要求快速返回结果优先

星型模型减少连接、加速扫描维度层级复杂存储资源紧张节省冗余存储空间考虑

雪花模型规范化拆分维度表默认选择多数场景下无需过高维度规范化星型模型是更稳妥的默认选择性能与易用性均衡性能优先快速落地03CHAPTER维度设计实践好的维度，决定分析深度维度表设计方法与实战技巧全解析维度表设计方法维度表设计的核心原则是：让业务人员看懂，让查询跑得快键的设计使用

代理键

作为维度主键，与业务主键解耦代理键为

整型自增，确保唯一性与查询效率业务键保留为普通属性，用于与源系统对照属性的设计属性应使用

描述性文字，而非编码，提升可读性属性命名保持

业务口径一致，避免同名异义适度

冗余常用属性，减少关联查询缓慢变化维处理维度属性会随时间变化，处理策略决定历史数据的保留方式。类型一：覆盖直接用新值替换旧值，不保留历史适用于可纠正的错误数据或不重要的属性覆盖类型二：新增行变化时插入新记录，保留完整历史轨迹事实表关联不同代理键，指向不同时段版本新增行类型三：新增列增加原值与现值两列，只保留有限历史适用于需要对比"改变前后"的场景新增列特殊维度处理技巧退化维度单列标识维度仅含单列标识（如订单号）时，直接存入事实表。避免额外开销避免为单一字段创建独立维度表的开销。杂项维度合并低基数字段将大量低基数的标志位、状态位合并为一张杂项维度。双赢效果避免事实表膨胀，同时保持分析入口完整。迷你维度拆分高基数字段将频繁变化的高基数维度拆分为小而稳定的独立维度。缓解膨胀有效缓解主维度表持续膨胀的问题。事实表设计要点事实表设计的两项关键决策：粒度先行、度量选择粒度先行最细粒度：设计事实表前首先明确，粒度决定事实表根本形态一致性：粒度一经确定，所有度量必须保持一致度量选择度量类型特性使用约束可加度量最灵活无半可加度量需注明约束不可跨维度随意汇总不可加度量需注明约束不可直接汇总设计原则2项外键与度量事实表应只包含外键与度量避免冗余避免冗余描述性字段度量原则2项可加优先优先使用可加度量非派生而非存储派生指标04CHAPTER进阶与总结建模有道，分析无界高阶主题回顾与最佳实践沉淀高阶主题一览一致性维度跨业务过程共享同一定义与结构，保证不同事实表可联合分析基石构建企业级数据仓库的

基石事实星座多个事实表共享若干维度表，形成复杂网状结构综合主题域适用于多业务过程、多粒度的综合主题域维度建模的演进从单一星型结构走向混合建模、数仓与数据集市分层配合技术融合与宽表设计、数据湖等技术趋势相互融合最佳实践总结面向分析需求设计，不照搬源系统结构维度核心原则常见误区设计导向面向分析需求设计，不照搬源系统结构过度规范化，退化为事务范式建模顺序粒度先行，度量其次，最后确定维度维度与事实边界不