数据仓库建模

ER建模（第一步）
ER建模(entity-relationship modeling)阶段 == 需求分析/可视化阶段 == 概念建模

• 1、基础概念
  实体(entity)：客观世界中的众多概念，用矩形表示；
  属性(attribute)：用来描述实体各个特征，用椭圆表示；每个实体至少要有一个唯一属性，用下划线标记；
  联系(relation)：实体与实体之间通常具有某种关联，用菱形表示；
  基数约束(cardinality constraint)：实体间连线的两端，写有一些符号，用来表示实体可以有多少实例与另一实体的实例存在联系；共有四种形态，可选/强制的单个/多个对应；

• 2、更复杂的建模规则
  复合属性(composite attribute)：括号；
  多值属性(multivalued attribute)：椭圆；
  派生属性(derives attribute)：虚线；
  可选属性(optional attribute)：可能没有取值的，在属性名后面添加(0)标识

关系表建模（第二步）
将ER图实体映射为关系，经过两个步骤：1. 逻辑模型设计 2. 物理模型设计，来设计相应的关系表实现。
关系(relation)、 列(column)/属性/域、行（row）元祖/记录

• 关系表 VS 一般的表
  1、一个列只能有一个名称；2、一行数据不能重复；3、每个值必须是单值；4、行列顺序无关

• 几个概念
  主码(primary key)：主键，可多个；
  外码(foreign key)：是某关系中的一列，而这一列恰恰又是另一个关系的主码；
  实体完整性约束(entity integrity constraint)： 指所有主码必须非空

• 概念模型 VS 逻辑模型 VS 物理模型
  概念模型：ER，业务上；
  逻辑模型：开发，进一步细化蕴含更多信息；
  物理模型：更进一步对真实数据库的描述，包括数据类型/长度/索引/主键/默认值etc.

维度模型
维度表(dimension)：今早花了三块钱买了盒牛奶，今早（时间维度）、牛奶（商品）
事实表(fact table)：三块钱

• 维度建模的三种模式
  1、星形模式(Star Schema)：一个事实表对应多个维度；
  2、 雪花模式(Snowflake Schema)：是对星形模式的扩展，一个事实表对应多个维度，而且每个维表可继续向外连接多个子维表；
  3、星座模式(Fact Constellations Schema)：也是星型模式的扩展，多个事实表对应多个维度，互相交织；