数据中台模型设计系列（一）：维度建模初探

一、与几个概念的关系

操做型业务系统
对于这个概念你们都不陌生。企业业务赖以运转的交易系统就属于操做型业务系统。所以它是为了保障业务正常运转，可以更快的处理事务。

可是由于它是针对某一特定的意图（例如知足交易业务），它不须要承诺与其余业务系统共享公共数据。所以就出现了适合于企业中交叉应用的ERP、主数据系统。固然对于有建设业务中台的企业来讲，基于微服务架构的各个服务中心，能更好的提供可复用统一的公共数据。

不论是面向业务的业务系统、通过数据统一后的主数据系统或者基于微服务架构的服务中心的数据，都是做为数据中台的数据输入源头。咱们经过批量同步、归档日志采集等方式，能将数据采集进数据中台，做为ODS层原始数据的一部分。

ETL
英文Extract-Transform-Load的缩写，用来描述将数据历来源端通过抽取（extract）、转换（transform）、加载（load）至目的端的过程。在ODS层的原始数据，须要经过加工处理后，才能进入到构建好的数据模型中。

在模型设计时，须要考虑ETL加工流程，根据逻辑判断，作模型的合理设计。一样对于下游使用数据模型的ETL元数据，也是做为模型设计的输入，可基于下游应用方式作模型的横向和纵向的拆分设计，这就是“元数据驱动模型设计”的理论来源。

所以，没法理解数据开发的模型设计师是不合格的。

数据应用
数据中台提供多种数据应用的形式，包括数据报表、智能数据产品等。将统一汇总加工后的数据或者明细原子数据提供给数据应用，为业务提供数据支撑。

更加合理的数据模型设计，可以给更宽泛的应用提供数据支撑，也可以让业务方更准确无疑义的使用好数据。

二、几种企业常见的建设现状

烟囱式
也许你们都不肯意认可，可是绝大部分的企业当前是没有统1、标准、公共、全局的模型设计的，而仅仅是把数据同步上来，而后基于业务需求作烟囱式的数据开发。这种方式也许从短时间来看是效率最高的，可是从长期看，不只仅形成计算存储资源的极大浪费、没有统一可用的数据、大量的重复性的工做。企业的数据就像一团乱麻，根本没法管理。

三范式+数据集市

一些传统大型企业，因为历史缘由，原子数仓中以三范式的模型设计方式构建，在各个应用的数据集市中以维度建模方式构建。经过这种方式，在原子数据设计过程当中，须要投入较大的资源。

对于业务来讲，三范式模型太复杂，用户难以理解和检索。而且对于业务频繁变化的企业，模型的维护成本极高。

企业级维度模型

基于企业全局的角度去构建业务总线矩阵，在此基础上完成维度模型的设计，是当前众多企业选择的方向。从众多互联网企业的数据中台实践经验来看，这也是一个绝佳的各因素平衡后的选择。

后面，咱们将从各个角度来思考如何基于维度模型构建企业级数据中台。

三、维度建模初探

优点
在数据中台建设经验中，企业级维度模型设计从理解性、扩展性、高性能上都是更适应当前的技术和业务环境的。

首先因为计算和存储成本逐步降低，模型更重要的变成了易于理解，当易用性放在模型设计的重要位置时，维度模型可理解的优点就显现出来了，维度建模一直就是以业务的视角来描述数据。

另外，当新的业务出现时，新的模型不会对已有模型造成冲击，能够无影响的产出新的模型数据。

维度建模会设计部分数据的冗余，经过冗余换来数据检索的高性能。对于数据量极具膨胀的今天，高性能给用户带来了高价值。

事实表

所谓的事实表，就是企业的业务过程事件的度量信息。例如对于支付这个业务过程来讲，须要度量支付的商品数、金额等度量。所以，企业的业务过程数据以事实表的形式在模型中呈现出来。

事实表每行都对应了一个度量事件，每行数据是一个特定级别的细节数据。事实表中每一个度量都必须是相同的粒度级别。

事实表中的度量的可加性也相当重要，由于业务方每每须要将事实表的数据基于某些维度进行汇总，在度量上须要可以作汇总累加。

事实表仍是稀疏的，它仅仅会将发生的业务过程数据放入其中。
**
维度表**

维度表是事实表不可或缺的组成成分，它描述了事实表业务过程度量的环境。用于描述“谁、什么、哪里、什么时候、如何、为何”有关的事件。

维度属性是做为查询约束、分组、标识的主要来源，所以它的好坏直接决定了数据的可分析性的差别。维度属性须要是可理解的，所以须要尽可能避免“0,1”之类的代码，将代码翻译成更易理解的字符避免业务的误解。

一样，会有一些数值型的可做为维度属性。例如：也许有人会问商品标价适合在事实表仍是维度表中？

当用于计算度量时，它应该存在于事实表中；可是当它用于作约束、分组、标识分析时，则须要存在于维度表中。在维度表中，咱们每每会把连续的数据换成离散的数值存储，例如：将标价变为价格区间段。这是要根据对业务的理解作进一步设计的。

雪花模型与星型模型

所谓的雪花模型，是当有一个或多个维表没有直接链接到事实表上，而是经过其余维表链接到事实表上时，其图解就像多个雪花链接在一块儿，故称雪花模型。

而星型模型则是全部维表都直接链接到事实表上，整个图解就像星星同样，故将该模型称为星型模型。

雪花模型是对星型模型的扩展。

星型模型是一种非正规化的结构，多维数据集的每个维度都直接与事实表相连，不存在渐变维度，因此数据有必定冗余。由于有冗余，因此不少统计不须要作外部的关联查询，所以通常状况下效率比雪花模型高。

可是从可理解性上看，雪花模型是更容易让业务理解的。由于业务能够从模型上看出维度与维度之间的关系。

所以如何平衡查询效率和业务理解？咱们在后面的文章中再细细道来。

**总线矩阵
**
总线矩阵，维护的是企业的各个业务过程与一致性维度的关系。是以企业的高度实现的顶层设计。它的存在对于数据中台项目相当重要。

若是数据中台的模型设计就是一本书，那么总线矩阵就是这本书的目录，能从总体上对每一个模型有统一的定义。

从项目协调上看，总线矩阵在大型项目中起到举足轻重的地位，整个项目组都能基于这个目录清晰的明白本身在作什么，别人已经作了什么，极大程度上的避免了信息沟通不顺畅致使的重复定义。

从项目管理上看，也能够基于总线矩阵对模型设计和开发进行有效的优先级排期。

最后，总线矩阵是共同业务人员和技术人员的桥梁，经过总线矩阵在项目沟通中达成一致的语言。

结语

经过这篇文章，初浅的对数据中台模型设计发表了一些观点。  在后面的章节中，咱们将继续围绕模型设计的技术细节、结合行业的模型设计案例，和数据同仁们作进一步的分享和交流 。