试象一下，你是一家繁忙餐厅的分析工程师。每天，顾客都会预订、下订单并完成付款。所有这些数据都会流入餐厅的交易数据库，记录每次互动的详细信息。

但是，事务型数据库虽然非常适合日常运营，但并不适合分析数据以发现有助于业务增长的趋势和见解。这就是数据仓库的作用所在。数据仓库是一个单独的数据库，经过优化，可用于存储大量历史数据以及快速查询和分析。

挑战在于如何构建仓库中的数据，以便进行高效分析，同时保持足够的灵活性以应对不断变化的业务需求。数据仓库中的数据建模有几种常见和不太常见的方法。在本文中，我们将介绍七种关键的建模技术，权衡它们的优缺点，并帮助您为数据仓库选择正确的方法。

一、事务数据库示例

在深入研究数据仓库建模之前，让我们简单看一下餐厅的典型事务数据库可能包含哪些内容：

交易数据库使用针对处理交易进行优化的规范化结构。但这种结构使分析和报告更加困难。数据仓库建模方法对数据进行非规范化和重组，以优化整合层中的分析，同时仍便于快速写入加工层。

二、数据仓库建模方法

1.第三范式（3NF）

第三范式 (3NF) 是一种经典的关系数据库建模方法，可最大限度地减少数据冗余。在 3NF 中，每个非键列仅依赖于表的主键。

将 3NF 应用于我们的餐厅数据仓库，我们将进一步分离表格，这样各个表格结构中就不会有层次结构，而是作为表格链接的层次结构。订单和付款等交易表将引用元数据表的主键，而元数据表又将引用更高级别的元数据表。

本质上，我们要做的改变是确定客户表包含地址详细信息，这是自然层次结构。然后，我们会将它们拆分为组件表。通常，您不会将此方法用于整合层，但它可能适用于加工层。如果您正在提取可能以不同粒度级别本机构建的多个源，则尤其如此。

优点：

缺点：

2.Kimball 星型模式

Kimball 星型模式是数据仓库中的一个关键概念，由数据仓库和商业智能领域的杰出人物 Ralph Kimball 提出。它旨在简化数据存储并提高查询性能，使复杂的数据结构更易于管理并更易于进行业务分析。

关键部件

结构和设计

星型模式因其布局类似星星而得名。事实表位于中心，周围是维度表，每个维度表都通过外键连接到事实表。这种设计非常直观，允许用户在事实表和维度表之间执行直接连接。

优点：

缺点：

3.雪花模式

雪花模式是数据仓库中星型模式的一种变体，旨在处理复杂且高度规范化的数据结构。该模式因其复杂的雪花状形状而得名，它将数据组织到多个相关表中，从而增强了数据完整性并减少了冗余。然而，这会增加查询编写的复杂性并可能影响性能。它几乎可以看作是星型模式和 3NF 的混合体。

关键部件

结构和设计

雪花模式由于其多级结构而类似于雪花。维度表被规范化为多个相关表，分散成复杂的网状结构。这种设计旨在通过消除冗余来节省存储空间并提高数据完整性。

优点：

缺点：

4.宽表 (OBT)

One-Big-Table (OBT) 设计，也称为平面表或宽表，是一种数据仓库方法，其中所有数据都合并到单个非规范化表中。这种方法与星型和雪花型等规范化模式形成鲜明对比，它提供了更简单的结构，但代价是冗余度增加，并且在处理非常大的数据集时可能会出现性能问题。

关键部件

结构和设计

OBT 设计的结构非常简单，只包含一个表，其中每行包含所有必要的数据点。这种扁平结构无需连接，用户无需了解复杂的表关系即可轻松查询和检索数据。

对于我们的餐厅，我们将为三个关键事件（预订、订单和付款）分别设置一个大表。我看到过一些关于 OBT 还是星型模式是更好的方法的相当激烈的争论。答案是“视情况而定”。如果您将数据拉入 Power BI，它将需要星型模式样式的数据集。但是，如果您将数据拉入 Tableau，您可能更喜欢 OBT 方法。但应该注意的是，如果您确实选择 OBT，则应将任何可重复使用的逻辑保留在可以反复引用的支持表中。

优点：

缺点：

5.数据仓库 2.0

Data Vault 2.0 是一种现代数据仓库方法，旨在提供可扩展、灵活且可审计的数据模型。它由 Dan Linstedt 开发，以原始>关键部件

结构和设计

Data Vault 2.0 采用模块化架构设计，将数据存储分为这三种类型的表，从而提高可扩展性和灵活性。集线器、链路和卫星被设计为增量和并行加载，从而可以高效处理大量数据和随时间变化的数据。

优点：

缺点：

6.活动模式

活动模式是 Ahmed Elsamadisi 设计的一种数据仓库方法，用于以结构化和高效的方式捕获业务活动或事件的详细记录。此模式侧重于记录企业内部执行的操作或交易，因此对于事件驱动数据和详细交易日志记录特别有用。它已用于需要跟踪大量细粒度事件的系统，例如电子商务网站、金融系统或物联网应用程序。

关键部件

在我们的餐厅示例中，我们可能有一个带有相关客户维度的客户活动表。活动表将跟踪客户的活动，例如他们的预订、订单和付款。这些活动的详细信息保存在列中feature_json，并有一个可选列用于存储相关的收入影响。

优点：

缺点：

7.以实体为中心的建模

以实体为中心的建模是一种灵活的方法，由 Maxime Beauchemin 提出，专注于围绕客户和产品等实体进行建模。每个实体都有自己的表，使用 JSON 来跟踪包括聚合在内的各种指标。这种方法不需要额外的维度表，因为实体表位于实体的最低粒度，并且可以直接在表中包含其属性。

在餐厅环境中，我们会有一个客户表，其中包含客户属性列，加上一个 json 列来保存时间绑定指标，例如visit.7d，，visit.14d。sale.30d

优点：

缺点：

三、选择正确的建模方法

考虑到这七种常见的数据仓库建模方法，如何为您的数据仓库选择正确的方法？请考虑以下因素：

最后，“正确”的数据仓库建模方法取决于您独特的业务需求和优先事项。通过了解每种建模技术的优势和劣势，您可以设计一个数据仓库，提供快速、灵活且富有洞察力的分析，以推动公司发展。