手把手教你数据仓库构建
发布时间：2021-10-29 14:34:02 所属栏目：大数据 来源：互联网
导读：经过前面一系列的ETL过程(什么是ETL?一文掌握ETL设计过程)，我们最终将数据装载到数据仓库中。数据仓库是按照多维数据模型的思路进行建设的。在多维数据模型中，动态数据就转化为了事实表，静态数据就转化为了维度表。进项发票事实表、销项发票事实表都是事
|
经过前面一系列的ETL过程(什么是ETL?一文掌握ETL设计过程)，我们最终将数据装载到数据仓库中。数据仓库是按照多维数据模型的思路进行建设的。在多维数据模型中，动态数据就转化为了事实表，静态数据就转化为了维度表。进项发票事实表、销项发票事实表都是事实表，但从其中关联出来了日期维度表、纳税人维度表、税务机关维度表、地域维度表与行业维度表。
左图是雪花模型的设计，它最大的特点是在维度表上还要关联维度表，如在纳税人维度表的基础上还要关联行业维度表。这样设计比较容易理解，但会造成频繁的join操作，在海量数据中降低查询性能。譬如，要对进项发票进行地域的统计，就需要将进项发票事实表与纳税人维度表相关联，再关联税务机关维度表、地域维度表，才能完成，这极大影响了系统性能。因此，为了提升查询性能，基于空间换时间的思想，我们又提出了星形模型。
右图是星形模型的设计，它最大的特点是不会再有维度与维度的关联，而是所有维度表都只与事实表关联。譬如对进项发票进行地域分析，只需要进项发票事实表关联地域维度表就可以了，在海量数据中的性能将得到极大的提升。
接着，在以上事实表的基础上，还可以从不同的维度与粒度对数据进行汇总，形成聚合表。譬如，对进项发票事实表按照行业进行汇总，或者按照地域进行汇总，形成“进项发票行业聚合表”与“进项发票地域聚合表”，等等。
以上的分析都是在“开票主题域”中进行的，但是按照业务流程，还有“申报主题域”“征收主题域”“稽查主题域”等，如下图所示。这样，数据中台就按照业务模块划分为了多个主题域，然后在各个主题域进行多维建模，形成数据仓库。但各个主题域可以拥有共同的维度表，如纳税人维度表、税务机关维度表等。
（编辑：站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐