实例剖析4种数据仓库的建模方法
需积分: 0 156 浏览量
2024-04-02
22:53:40
上传
评论
收藏 1.7MB DOC 举报
实例剖析4种数据仓库的建模方法
数据仓库，这个几乎是所有大数据开发面试必问的话题。比如数据仓库的分
层架构？为什么需要数据仓库建模？数据仓库建模的原则是什么？结合业务
举例说明数据仓库建模的步骤，以及注意事项？什么是缓慢变化维？维度该
如何选择建设，原则是什么，主键如何设计等等？
一众问题搞得小伙伴们死去活来，甚至工作好几年的小伙伴都没搞清楚过，
尤其是大厂特别爱问这些问题。有些小伙伴甚至觉得这些都是形而上学，不
懂这些我不一样搞了很多年开发？即使感兴趣的买了一本厚厚的数据仓库工
具书也看不懂！那么实际数据仓库建模到底是什么，开发人员该掌握哪些？
数据仓库前世今生
来一起看个官方定义：数据仓库，英文名称为DataWarehouse，可简写为
DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型
数据支持的战略集合。它出于分析性报告和决策支持目的而创建。为需要业
务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
数据仓库之父 Bill Inmon 在 1991 年出版的 Building the Data Warehouse
一书中首次提出了被广为认可的数据仓库定义。Inmon
将数据仓库描述为一个面向主题的、集成的、随时间变化的、非易失的数据
集合，用于支持管理者的决策过程。
简单点来说，现实情况是一个企业有很多数据源，比如有的业务数据存放在
Mysql,PG库,有的存放在Oracle，有的日志存放在Ftp，Nginx服务器上等，
有的是外部采集的爬虫数据等等。那么对于企业来说沉淀了这么多数据，如
何将这些数据放到一起进行数据融合，数据分析，给企业挖掘数据价值呢？
这些不同数据源，不同数据存储格式，不同的数据更新周期，如果让你把企
业这些数据融合分析，你怎么办？
剩余14页未读，继续阅读
资源评论
