來(lái)源：數(shù)據(jù)集成與治理搭建數(shù)據(jù)倉(cāng)庫(kù)的最終目標(biāo)是讓數(shù)據(jù)易存取效率高、指標(biāo)一致且完整、適應(yīng)強(qiáng)便于修改、提供決策依據(jù)……總之業(yè)務(wù)需求是第一位的。

這需要一開(kāi)始就進(jìn)行系統(tǒng)化的數(shù)據(jù)建模設(shè)計(jì)，否則數(shù)據(jù)倉(cāng)庫(kù)就成了“數(shù)據(jù)堆積場(chǎng)”，業(yè)務(wù)想用時(shí)寸步難行。

而在眾多建模方法中，維度建模以其清晰的業(yè)務(wù)視角、高效的查詢性能，成為支撐數(shù)倉(cāng)分析應(yīng)用的關(guān)鍵。

今天，我們就來(lái)聊聊：維度建模到底是什么？它在數(shù)倉(cāng)建設(shè)中扮演了怎樣的角色？又該怎么實(shí)現(xiàn)？

維度建模

維度建模是大師Kimball的觀點(diǎn)，和關(guān)系型建模相反，維度建模通過(guò)增加冗余來(lái)增加查詢速度，以分析決策的需求出發(fā)構(gòu)建模型，將業(yè)務(wù)主題對(duì)應(yīng)的多個(gè)實(shí)體冗余記錄，將共有維度，變化緩慢維的屬性抽出形成維度表。

簡(jiǎn)單來(lái)說(shuō)，維度建模的本質(zhì)就是：以分析需求為出發(fā)點(diǎn)，圍繞業(yè)務(wù)過(guò)程組織數(shù)據(jù)，構(gòu)建出既能高效查詢，又易于理解的數(shù)據(jù)結(jié)構(gòu)。

它關(guān)注的核心問(wèn)題是：

如何讓業(yè)務(wù)人員在面對(duì)數(shù)據(jù)時(shí)，能夠“順著業(yè)務(wù)邏輯”自然而然地提取想要的答案？ 如何通過(guò)合理設(shè)計(jì)，避免復(fù)雜的多表關(guān)聯(lián)，讓查詢性能始終保持流暢？

維度建模的四大優(yōu)勢(shì)

維度建模之所以成為數(shù)倉(cāng)建設(shè)中的主流方法，核心在于它具備以下優(yōu)勢(shì)：

?

易理解：圍繞業(yè)務(wù)自然分類，業(yè)務(wù)人員也能快速讀懂模型。 查詢高性能：通過(guò)簡(jiǎn)化表結(jié)構(gòu)，減少多表關(guān)聯(lián)，查詢速度快。 靈活擴(kuò)展：新業(yè)務(wù)增加時(shí)，只需擴(kuò)展維度表、事實(shí)表，無(wú)需推翻原有架構(gòu)。 易于維護(hù)：當(dāng)需求變化時(shí)，可以局部調(diào)整而不是大規(guī)模重構(gòu)。

維度建模的一般流程

通常，建設(shè)一套成熟的維度模型，保證模型既符合業(yè)務(wù)邏輯，又兼顧技術(shù)實(shí)現(xiàn)，大致需要經(jīng)歷以下步驟：

1、確定業(yè)務(wù)過(guò)程：定義數(shù)據(jù)倉(cāng)庫(kù)需要支持的核心業(yè)務(wù)事件，如下單、支付、運(yùn)輸?shù)取?

2、確定粒度：明確每條事實(shí)記錄代表什么粒度，如一筆訂單、一件商品。

3、確定維度：從業(yè)務(wù)角度識(shí)別出需要分析的各種維度，如客戶、產(chǎn)品、時(shí)間。

4、確定指標(biāo)（事實(shí)）：定義需要追蹤的量化數(shù)據(jù)，如金額、數(shù)量。

維度建模在數(shù)據(jù)建模中的應(yīng)用

維度建模并不是某一個(gè)孤立步驟，而是貫穿了從業(yè)務(wù)理解到系統(tǒng)落地的全過(guò)程，在數(shù)據(jù)建模的各個(gè)階段都有所應(yīng)用，具體體現(xiàn)如下：

1、概念模型（Conceptual Model）

在這個(gè)階段，維度建模幫助我們理解和描述業(yè)務(wù)過(guò)程，確定主要的業(yè)務(wù)實(shí)體（即維度）和業(yè)務(wù)度量（即事實(shí)或指標(biāo)）。

比如在建模一個(gè)銷售過(guò)程時(shí)，我們會(huì)識(shí)別出：

維度：時(shí)間、地點(diǎn)、產(chǎn)品、客戶 指標(biāo)：銷售金額、銷售數(shù)量、利潤(rùn)

此時(shí)，我們并不關(guān)注詳細(xì)的數(shù)據(jù)庫(kù)設(shè)計(jì)，而是關(guān)注如何用“事實(shí)+維度”的方式，清晰表達(dá)業(yè)務(wù)過(guò)程和分析需求，建立一個(gè)高層次的業(yè)務(wù)視圖。

2、邏輯模型（Logical Model）

當(dāng)概念模型確定后，下一步進(jìn)入邏輯建模階段，在這一階段，維度建模幫助把抽象的業(yè)務(wù)概念，轉(zhuǎn)化為可以直接指導(dǎo)數(shù)據(jù)庫(kù)設(shè)計(jì)的詳細(xì)結(jié)構(gòu)，包括：

為每個(gè)維度確定具體的屬性（例如客戶維度包含客戶ID、姓名、地址、注冊(cè)時(shí)間等字段） 定義每個(gè)指標(biāo)的計(jì)算方法（如訂單總金額 = 單價(jià) × 數(shù)量） 設(shè)計(jì)維度表事實(shí)表的結(jié)構(gòu)，并明確它們之間的關(guān)聯(lián)關(guān)系（比如客戶ID連接訂單事實(shí)表和客戶維度表）

這一階段，很多關(guān)鍵的設(shè)計(jì)決策，比如是否需要退化維度、是否要做角色扮演維度，都會(huì)在這里落地。

3、物理模型（Physical Model）

完成邏輯建模后，最后進(jìn)入物理建模階段，在這個(gè)階段，維度建模幫助我們實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)的物理設(shè)計(jì)，包括：

根據(jù)數(shù)據(jù)庫(kù)平臺(tái)（如 SQL Server、Oracle、MySQL 等），實(shí)際創(chuàng)建維度表和事實(shí)表 優(yōu)化表結(jié)構(gòu)，比如為常用查詢字段建立索引，設(shè)置分區(qū)，提高查詢性能 處理大數(shù)據(jù)量時(shí)的性能考量，如數(shù)據(jù)壓縮、并行加載等

這個(gè)階段的目標(biāo)是建立一個(gè)可以實(shí)際運(yùn)行的數(shù)據(jù)倉(cāng)庫(kù)。

可以看到，維度建模是一條貫穿始終的主線，從最初的業(yè)務(wù)抽象，到詳細(xì)的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)，再到系統(tǒng)上線后的查詢優(yōu)化，維度建模始終圍繞著兩個(gè)核心：維度和事實(shí)，也是維度建模不可或缺的基石。

維度建模兩大基石

在維度建模的體系中，數(shù)據(jù)不再是零散的表格和字段，而是被有組織地分為事實(shí)和維度兩大部分： 事實(shí)（Fact）是業(yè)務(wù)世界中可量化、可度量的事件，比如一次訂單、一筆交易。 維度（Dimension）是描述這些事實(shí)發(fā)生背景的信息，比如客戶是誰(shuí)、在哪一天、購(gòu)買了什么產(chǎn)品。

通過(guò)這種方式，維度建模讓每一條數(shù)據(jù)記錄背后都帶有完整的業(yè)務(wù)語(yǔ)義，既能支持復(fù)雜分析，又能保證使用體驗(yàn)的簡(jiǎn)潔直觀。

事實(shí)表

事實(shí)表，顧名思義，用來(lái)存儲(chǔ)各種可度量的業(yè)務(wù)事件。事實(shí)表由三部分組成：事實(shí)鍵作為每個(gè)事實(shí)記錄的唯一標(biāo)識(shí)符、外鍵作為相關(guān)維度表的鏈接、度量列作為定量數(shù)據(jù)。

事實(shí)表的主要特點(diǎn)：

量化數(shù)據(jù)：包含各種指標(biāo)（度量），如銷售額、訂單數(shù)量、訪問(wèn)次數(shù)等。 外鍵關(guān)聯(lián)：通過(guò)外鍵連接到對(duì)應(yīng)的維度表，比如客戶ID、產(chǎn)品ID、時(shí)間ID。 粒度明確：每一條記錄都要清楚表示“我描述的是哪個(gè)層級(jí)的事件”，比如“每一筆訂單”還是“每一個(gè)客戶每天的匯總”。

維度表

維度表由主鍵和屬性兩部分組成，主鍵是每條記錄的唯一標(biāo)識(shí)符，屬性是有關(guān)實(shí)體的描述性數(shù)據(jù)，例如產(chǎn)品名稱或商店地址。

維度表的主要特點(diǎn)：

描述性屬性：包含文本型、分類型的信息，如客戶姓名、地區(qū)、產(chǎn)品類別。 業(yè)務(wù)友好：字段命名清晰直白，業(yè)務(wù)人員能一眼看懂。 更新頻率低：大多數(shù)維度表是相對(duì)靜態(tài)的，比如客戶信息不會(huì)天天變。

以電子商務(wù)業(yè)務(wù)為簡(jiǎn)單例子，在這種情況下，一些維度可能是客戶、產(chǎn)品和時(shí)間。

維度建模模型

在實(shí)際數(shù)倉(cāng)項(xiàng)目中，最常見(jiàn)的三種維度建模結(jié)構(gòu)，分別是：星型模型、雪花模型和星座模型，它們各有特點(diǎn)，適用于不同的業(yè)務(wù)場(chǎng)景。

1、星型模型（Star Schema）

星型模型得名于它的結(jié)構(gòu)形態(tài)：一張中心的事實(shí)表，直接連接多張扁平的維度表，整體像一顆放射狀的星星。

特點(diǎn)：

結(jié)構(gòu)簡(jiǎn)單直觀，維度表通常只保存一級(jí)屬性，不做過(guò)多拆分。 查詢路徑短，JOIN次數(shù)少，查詢性能高。 適合絕大多數(shù)以查詢性能為優(yōu)先的分析型場(chǎng)景，比如BI報(bào)表、實(shí)時(shí)大屏分析。 適用于高性能需求，直接關(guān)聯(lián)事實(shí)表與維度表，可滿足節(jié)省存儲(chǔ)的需求，將維度表進(jìn)一步拆分成子維度表。

2、雪花模型（Snowflake Schema）

雪花模型是在星型模型的基礎(chǔ)上，對(duì)維度表進(jìn)一步規(guī)范化，把重復(fù)信息拆分出去，形成多層關(guān)聯(lián)結(jié)構(gòu)，像一片片展開(kāi)的雪花。

特點(diǎn)：

節(jié)省存儲(chǔ)空間，數(shù)據(jù)冗余少。 結(jié)構(gòu)更符合傳統(tǒng)數(shù)據(jù)庫(kù)三范式設(shè)計(jì)，字段依賴關(guān)系更清晰。 查詢性能略低，因?yàn)樾枰啻蜫OIN才能拿全信息。

適用場(chǎng)景于維度信息復(fù)雜、層級(jí)深、更新頻繁的情況，或存儲(chǔ)資源受限、對(duì)規(guī)范性要求極高的傳統(tǒng)數(shù)倉(cāng)系統(tǒng)。

不過(guò)在大部分業(yè)務(wù)分析項(xiàng)目中，為了性能，通常不會(huì)主動(dòng)選擇雪花模型，除非有明確需求。

3、星座模型（Fact Constellation Schema）

當(dāng)數(shù)據(jù)倉(cāng)庫(kù)規(guī)模擴(kuò)大，僅靠一張事實(shí)表無(wú)法覆蓋所有業(yè)務(wù)主題時(shí)，就會(huì)出現(xiàn)多個(gè)事實(shí)表共享部分維度表的情況，形成星座模型。

特點(diǎn)：

多個(gè)業(yè)務(wù)過(guò)程（事實(shí)表）共享統(tǒng)一的維度（如時(shí)間、客戶）。 結(jié)構(gòu)復(fù)雜度上升，但可以支持更大范圍、更細(xì)粒度的分析需求。 是大型集團(tuán)企業(yè)、跨部門數(shù)倉(cāng)常見(jiàn)的架構(gòu)演變方向。

維度建模是數(shù)倉(cāng)的核心

數(shù)據(jù)倉(cāng)庫(kù)的核心目標(biāo)是支持復(fù)雜的分析查詢和提供業(yè)務(wù)洞察，而維度建模正是為這一目標(biāo)量身定制的解決方案，其不可替代性體現(xiàn)在以下方面：

預(yù)聚合設(shè)計(jì)：維度建模通過(guò)將事實(shí)表與維度表預(yù)先關(guān)聯(lián)（如通過(guò)外鍵連接），減少查詢時(shí)的實(shí)時(shí)計(jì)算量。例如，分析 “各地區(qū)年度銷售額” 時(shí)，無(wú)需逐行計(jì)算，直接讀取預(yù)聚合的維度分組結(jié)果。 適配分析型場(chǎng)景：傳統(tǒng) OLTP（事務(wù)型）數(shù)據(jù)庫(kù)采用范式建模（如三范式），強(qiáng)調(diào)數(shù)據(jù)冗余最小化，但在面對(duì)海量數(shù)據(jù)的復(fù)雜分析（如多維度組合查詢）時(shí)性能低下。維度建模通過(guò)反范式設(shè)計(jì)（允許適當(dāng)冗余），將數(shù)據(jù)組織成 “寬表” 形式，大幅提升分析效率。 貼近業(yè)務(wù)視角：維度表直接對(duì)應(yīng)業(yè)務(wù)人員熟悉的實(shí)體（如 “客戶”“產(chǎn)品”“時(shí)間”），而非技術(shù)化的數(shù)據(jù)庫(kù)表結(jié)構(gòu)。例如，業(yè)務(wù)人員可直接通過(guò) “時(shí)間維度” 篩選 “2023 年 Q4” 的數(shù)據(jù)，無(wú)需理解復(fù)雜的 JOIN 邏輯。 降低使用門檻：基于維度建模的數(shù)據(jù)倉(cāng)庫(kù)可直接對(duì)接 BI 工具（如 Tableau、Power BI），通過(guò)拖拽維度和度量值快速生成報(bào)表，無(wú)需編寫復(fù)雜 SQL，提升數(shù)據(jù)分析的普惠性。 維度擴(kuò)展成本低：當(dāng)業(yè)務(wù)新增分析維度（如 “渠道”“促銷活動(dòng)”）時(shí)，只需新增或修改維度表，無(wú)需大規(guī)模調(diào)整事實(shí)表結(jié)構(gòu)。例如，在現(xiàn)有銷售模型中添加 “渠道維度”，只需創(chuàng)建新維度表并關(guān)聯(lián)到事實(shí)表，不影響歷史數(shù)據(jù)。 支持數(shù)據(jù)集市擴(kuò)展：數(shù)據(jù)倉(cāng)庫(kù)通常由多個(gè) “主題域”（如銷售、庫(kù)存、客戶）組成，每個(gè)主題域可獨(dú)立構(gòu)建維度模型，最終通過(guò)一致性維度（如統(tǒng)一的 “時(shí)間維度”）整合，形成完整的企業(yè)級(jí)分析體系。 統(tǒng)一維度定義：維度建模要求對(duì)同一業(yè)務(wù)概念（如 “客戶 ID”“產(chǎn)品類別”）在全企業(yè)范圍內(nèi)使用唯一的定義和值域。例如，“時(shí)間維度” 中 “季度” 的劃分必須全局一致，避免不同部門因定義差異導(dǎo)致的數(shù)據(jù)矛盾。 減少數(shù)據(jù)冗余沖突：雖然維度建模允許適當(dāng)冗余（如在多個(gè)事實(shí)表中引用同一維度表），但通過(guò)一致性維度機(jī)制確保數(shù)據(jù)源頭唯一，避免傳統(tǒng)反范式模型中 “同一數(shù)據(jù)多處存儲(chǔ)導(dǎo)致不一致” 的問(wèn)題。 支持緩慢變化維度（SCD）：業(yè)務(wù)維度的變化（如客戶地址變更、產(chǎn)品分類調(diào)整）需要保留歷史記錄。維度建模通過(guò)技術(shù)手段（如版本號(hào)、時(shí)間戳）追蹤維度變化，確保分析時(shí)能準(zhǔn)確關(guān)聯(lián)歷史數(shù)據(jù)。例如，分析 “2022 年產(chǎn)品 A 的銷售額” 時(shí)，自動(dòng)匹配當(dāng)時(shí)的產(chǎn)品分類，而非當(dāng)前分類。