维度数据模型

维度数据模型，Dimensional modeling，简称 维度模型，DM，用于数据仓库设计

是数据仓库领域大师 Ralph Kimball 所倡导的。维度建模以 分析决策的需求出发 构建模型，构建的数据模型为分析需求服务，因此它重点解决 用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能，更直接面向业务。

事实和维度是两个维度模型中的核心概念：

如：学生信息，年龄、分数是事实，而性别、年级、学科等都是年龄、分数的 事实的维度。

建模方法（步骤）

确认哪些业务处理流程是数据仓库应该覆盖的，是维度方法的基础。

例如，需要了解和分析一个零售店的销售情况，那么与该零售店销售相关的所有业务流程都是需要关注的。

粒度：数据细化到什么程度，是细化到每个小时，还是每一天，还是每个星期，每个月

用于确定维度和事实，因为维度或事实必须与定义的粒度保持一致

维度的粒度必须和粒度一致。维度表是事实表的基础，也说明了事实表的数据是从哪里采集来的。

典型的维度都是名词，如日期、商店、库存等。

维度表存储了某一维度的所有相关数据，例如，日期维度应该包括年、季度、月、周、日等数据。

识别数字化的度量，构成事实表的记录。大部分事实表的度量都是数字类型的，可累加，可计算，如：成本、数量、金额等。

提示：与系统使用者密切相关的，因为使用者正是通过对事实表的访问获取数据仓库存储的数据。

信息按业务种类或维度进行分组，这会提高信息的可读性，也方便了对于数据含义的解释。简化的模型也让系统以更为高效的方式访问数据库。

维度模型的目的是简化、加速查询，更倾向于非规范化，因为这样可以优化查询的性能。

由于维度模型允许数据冗余，因此当向一个维度表或事实表中添加字段时，不会像关系模型那样产生巨大的影响，带来的结果就是更容易容纳不可预料的新增数据。

分为：事务事实表，周期快照事实表，累计快照事实表