数仓维度设计模型、事实表、维度表、指标、宽表，常见的三种维度建模设计——星型模型、雪花模型、星座模型

数仓维度设计模型

事实表

事实表，通常我们可以认为它就是数据表

它是指，发生在现实世界中的各种事件所形成的数据，如：

• 商品购买（产生订单数据）
• 账户创建（创建账户数据）
• 退货行为（产生退货数据）

等等，一系列现实世界的操作，会反映在事实表中的记录之上。

维度表

维度表是事实表的补充。维度表的主键可以关联到事实表的外键之上。

维度表描述的是，现实事件信息的补充。

比如，在事实表中仅仅记录了你购买商品的时间戳，但是维度表可以对这个时间戳进行信息补充，如：

• 当前日期
• 当日是周几
• 当日是否是节假日
• 当日是第几季度
• 当日是什么季节
• 当日是全年第几天

等等的一系列额外数据的补充。

又好比，你订单中购买了商品，在事实表中可能记录的只是商品ID，但是基于维度表（商品细节），可以补充：

• 商品厂家
• 商品尺寸
• 商品类别
• 进价
• 有效期
• 供应商

等等一系列补充。

一般情况下，维度表也会分为：

• 大型维度表
• 小型维度表

小型维度表，就是如前面对日期做补充的维度表，这类维度表，一年的日期只需要365行数据，就可以对海量的数据进行补充。

大型维度表，就是如前面对商品做补充的维度表，商品越多，维度表内容越多。通常，大型维度表更会愿意被称为：

• 字典表
• 同时对应着，事实表也可以称之为 流水表
• 那么，字典表就是对流水表里面某一列数据的说明。

指标

指标就是对数据分析的需求，或者说是目标Schema。

比如，某个指标是：月热销商品TOP10，这个指标就是一个目标。

在数仓开发中，开发某个指标，就是针对某个目标进行数据建模、分层、处理。

宽表

宽表是指一种大表，是将事实表和维度表进行合并形成的表。

比如日期维度，将对应的日期维度的列，直接添加到事实表中，或者商品维度的列也同步加入到事实表中。

那么这样事实表的列就非常的多，它所涉及到的维度基本都涵盖在了一张表中，俗称All in one。

对于这样的表，就称为宽表

基于宽表，我们可以针对这一个表完成许多业务指标的开发。

常见的三种维度建模设计

星型模型

星形模式(Star Schema)是最常用的维度建模方式。星型模式是以事实表为中心，所有的维度表直接连接在事实表上，像星星一样。

星形模式的维度建模由一个事实表和一组维表成，且具有以下特点：

a. 维表只和事实表关联，维表之间没有关联；

b. 每个维表主键为单列，且该主键放置在事实表中，作为两边连接的外键；

c. 以事实表为核心，维表围绕核心呈星形分布；

雪花模型

雪花模式(Snowflake Schema)是对星形模式的扩展。雪花模式的维度表可以拥有其他维度表的，虽然这种模型相比星型更规范一些，但是由于这种模型不太容易理解，维护成本比较高，而且性能方面需要关联多层维表，性能也比星型模型要低。所以一般不是很常用。

星座模型

星座模式是星型模式延伸而来，星型模式是基于一张事实表的，而星座模式是基于多张事实表的，而且共享维度信息。

前面介绍的两种维度建模方法都是多维表对应单事实表，但在很多时候维度空间内的事实表不止一个，而一个维表也可能被多个事实表用到。在业务发展后期，绝大部分维度建模都采用的是星座模式。