對數(shù)據(jù)倉庫進(jìn)行數(shù)據(jù)建模

在日常生活中，我們要使用大量的應(yīng)用程序來生成新的數(shù)據(jù)、變更數(shù)據(jù)、刪除數(shù)據(jù)，當(dāng)然在大多數(shù)的情況下我們還要查閱和分析數(shù)據(jù)。就來想象一個(gè)收發(fā) email 的簡單應(yīng)用程序吧。我們已經(jīng)存儲了地址信息，可能還存儲了一些文檔。我們可以決定是否存儲已經(jīng)發(fā)送過的郵件，但是也可能隔一段時(shí)間后將其刪除，或者刪除已經(jīng)發(fā)送過的所有郵件。那么我們該如何處理一段時(shí)間以前刪除或者修改過的地址呢？我們再也不會看到它們了。

Email 程序大部分都屬于不是很復(fù)雜的數(shù)據(jù)庫，但是完全可以將其看作一個(gè)在單用戶環(huán)境下的 OLTP（在線事務(wù)處理系統(tǒng)）簡單示例。它使用了所有的所謂訪問數(shù)據(jù)的操作 CRUD（創(chuàng)建、讀取、更新、刪除）。當(dāng)數(shù)據(jù)存儲達(dá)到一定量的時(shí)候，規(guī)模就會幾乎保持不變，因?yàn)榭梢詮拇鎯χ袆h除過期數(shù)據(jù)。

數(shù)據(jù)倉庫就完全是一種不同種類的應(yīng)用程序。它并不是用來運(yùn)行當(dāng)前的操作，例如發(fā)送郵件。它是用來分析數(shù)據(jù)并且從現(xiàn)有數(shù)據(jù)中發(fā)現(xiàn)新的價(jià)值，主要是用來預(yù)測未來的情況。數(shù)據(jù)倉庫并不是解決所有問題的通用結(jié)構(gòu)。它必須集中于某一問題領(lǐng)域，例如航空服務(wù)、顧客收益等。

數(shù)據(jù)倉庫也有有趣的一面，那就是數(shù)據(jù)庫本身是穩(wěn)定增長的。數(shù)據(jù)沒有被刪除，也不發(fā)生變更。我們不需要將冗余數(shù)據(jù)置于數(shù)據(jù)庫之外（因?yàn)榧尤雮}庫中的數(shù)據(jù)經(jīng)過了數(shù)據(jù)凈化的過程，該過程檢查了數(shù)據(jù)的正確性）來減少復(fù)雜性同時(shí)增強(qiáng)讀取操作的性能。

為了能夠?qū)?a href='/map/shujucangku/' style='color:#000;font-size:inherit;'>數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)存儲于一個(gè)多維結(jié)構(gòu)中，叫做星型模式。如果將星型模式擴(kuò)展，就會得到雪花模式。本白皮書將會闡述如何使用IBM Rational Rose進(jìn)行星型模式建模和雪花模式建模。

飛行服務(wù)數(shù)據(jù)集市的例子

為了更好地解釋如何對數(shù)據(jù)倉庫建模，本白皮書將使用一個(gè)簡單數(shù)據(jù)集市的的例子（即一個(gè)數(shù)據(jù)倉庫或者數(shù)據(jù)倉庫的一部分），來分析旅客乘坐航班 Happy Flying and Landing(愉快飛行平安降落)的行為和滿意程度。

我們將存儲乘客信息和每個(gè)航班的的相關(guān)數(shù)據(jù)、選擇的菜單以及乘客對飛行的滿意程度。

回頁首

數(shù)據(jù)倉庫術(shù)語表

數(shù)據(jù)倉庫引入了新的術(shù)語，擴(kuò)展了數(shù)據(jù)建模的術(shù)語表。為使本文的闡述能夠完備，下面我介紹一下最常用的術(shù)語。

數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是一個(gè)支持管理決策的數(shù)據(jù)集合。數(shù)據(jù)是面向主題的、集成的、不易丟失的并且是時(shí)間變量。

數(shù)據(jù)倉庫是所有操作環(huán)境和外部數(shù)據(jù)源的快照集合。它并不需要非常精確，因?yàn)樗仨氃谔囟ǖ臅r(shí)間基礎(chǔ)上從操作環(huán)境中提取出來。

數(shù)據(jù)集市

數(shù)據(jù)倉庫只限于單個(gè)主題的區(qū)域，例如顧客、部門、地點(diǎn)等。數(shù)據(jù)集市在從數(shù)據(jù)倉庫獲取數(shù)據(jù)時(shí)可以依賴于數(shù)據(jù)倉庫，或者當(dāng)它們從操作系統(tǒng)中獲取數(shù)據(jù)時(shí)就不依賴于數(shù)據(jù)倉庫。

事實(shí)

事實(shí)是數(shù)據(jù)倉庫中的信息單元，也是多維空間中的一個(gè)單元，受分析單元的限制。

事實(shí)存儲于一張表中（當(dāng)使用關(guān)系數(shù)據(jù)庫時(shí)）或者是多維數(shù)據(jù)庫中的一個(gè)單元。

每個(gè)事實(shí)包括關(guān)于事實(shí)（收入、價(jià)值、滿意記錄等）的基本信息，并且與維度相關(guān)。

在某些情況下，當(dāng)所有的必要信息都存儲于維度中時(shí)，單純的事實(shí)出現(xiàn)就是對于數(shù)據(jù)倉庫足夠的信息。我們稍后討論有關(guān)缺無事實(shí)的情況。

維度

維度是綁定由坐標(biāo)系定義的空間的坐標(biāo)系的軸線。數(shù)據(jù)倉庫中的坐標(biāo)系定義了數(shù)據(jù)單元，其中包含事實(shí)。

坐標(biāo)系的一個(gè)例子就是帶有 x 維度和 y 維度的 Cartesian（笛卡爾）坐標(biāo)系。

在數(shù)據(jù)倉庫中，時(shí)間總是維度之一。

數(shù)據(jù)挖掘

在數(shù)據(jù)倉庫的數(shù)據(jù)中發(fā)現(xiàn)新信息的過程被稱為數(shù)據(jù)挖掘，這些新信息不會從操作系統(tǒng)中獲得。

分析空間

分析空間是數(shù)據(jù)倉庫中一定量的數(shù)據(jù)，用于進(jìn)行數(shù)據(jù)挖掘以發(fā)現(xiàn)新信息同時(shí)支持管理決策。

切片

一種用來在數(shù)據(jù)倉庫中將一個(gè)維度中的分析空間限制為數(shù)據(jù)子集的技術(shù)。

切塊

一種用來在數(shù)據(jù)倉庫中將多個(gè)維度中的分析空間限制為數(shù)據(jù)子集的技術(shù)。

星型模式

一種使用關(guān)系數(shù)據(jù)庫實(shí)現(xiàn)多維分析空間的模式，稱為星型模式。

星型模式將在本白皮書中稍后進(jìn)行進(jìn)一步討論。

雪花模式

不管什么原因，當(dāng)星型模式的維度需要進(jìn)行規(guī)范化時(shí)，星型模式就演進(jìn)為雪花模式。

回頁首

使用 IBM Rational Rose 進(jìn)行星型模式建模

星型模式的基本形式必須實(shí)現(xiàn)多維空間（常常被稱為方塊），以使用關(guān)系數(shù)據(jù)庫的基本功能。

首先，我們需要理解多維空間。

多維分析空間

幾何學(xué)中的方塊是指一個(gè)三維空間，其中每個(gè)維度的尺寸都相同。想象一個(gè)立方體，每個(gè)維度都有三個(gè)單元，我們即得到相同結(jié)構(gòu)的33＝27個(gè)單元。

圖1 一個(gè)具有 x、y、z 維度的方塊

多維分析空間（或者數(shù)據(jù)倉庫方塊）與幾何空間中的方塊僅僅存在細(xì)節(jié)上的差異。

維度不僅限于 3 維。不過，處理很多維度的立方體也不是件輕松的事情，這會導(dǎo)致大多數(shù)的實(shí)現(xiàn)被限制于 6 或者 7 維。不要期盼使用圖形可以很好地表示超過 4 的維度--如果您有幸能發(fā)現(xiàn)一種方法，別忘了告訴我一下。

維度并不具有相同的規(guī)模和單元。規(guī)模從幾個(gè)單元到幾百萬個(gè)單元，差別巨大。單元可以是一天、一位顧客、部門等。

單元，相當(dāng)于子方塊（1×1×1等），包含事實(shí)。

圖2 一個(gè)三維數(shù)據(jù)立方體

數(shù)據(jù)立方體需要很大的內(nèi)存以存儲所有事實(shí)。無論是否包含事實(shí)，都必須要預(yù)留單元。

這就是為什么使用關(guān)系數(shù)據(jù)庫和星型模式的原因。使用它們能夠優(yōu)化存儲并且保持?jǐn)?shù)據(jù)結(jié)構(gòu)的靈活性。

星型模式

星型模式的基本思想就是保持立方體的多維功能，同時(shí)也增加了小規(guī)模數(shù)據(jù)存儲的靈活性。

圖3 一個(gè)星型模式

在圖3中，星型模式使用事實(shí) Flight 表示了一個(gè) 4 維方塊（Passenger、Menu、Flight Schedulet 和 Time）。基本上，事實(shí)必須指定一個(gè)維度，以將其放入立方體的單元中。

我們的例子中的維度是：

Passenger，描述了飛行航程中的每位乘客，由經(jīng)常飛行號（frequent flyer number）指定。不是經(jīng)常乘坐飛機(jī)的乘客不是數(shù)據(jù)倉庫的一部分。

Flight Schedule，是指所有常規(guī)飛行的日程。

Menu，是用于飛行的菜單。只有對菜單進(jìn)行基本的分類才會對數(shù)據(jù)挖掘有重要意義。

Time，是指飛行的時(shí)間。

事實(shí) Flight 描述了乘客在唯一的 Time 的單程飛行上選擇 Menu。

分析空間可以是完整的方塊，或者我們可以根據(jù)維度將分析空間分割成小片。

每個(gè)維度根據(jù)一個(gè)對象進(jìn)行描述，對象可以用類表示，這些類就是有關(guān)業(yè)務(wù)主題的名稱。這一點(diǎn)對于成功建立數(shù)據(jù)倉庫來說是很重要的，因?yàn)閭}庫的用戶（經(jīng)理、分析員、市場）對于信息技術(shù)的術(shù)語并不是很熟悉。

事實(shí)本身就是商業(yè)智能的另一個(gè)對象，仍然通過類進(jìn)行表示。

事實(shí)指每個(gè)維度。事實(shí)與維度的關(guān)聯(lián)常常是一對任意，這也就意味著每個(gè)事實(shí)都與單個(gè)維度的一個(gè)單元準(zhǔn)確對應(yīng)，而維度的每個(gè)單元（每個(gè)Passenger、Time等）可以與任意數(shù)量的事實(shí)發(fā)生關(guān)聯(lián)（包括0個(gè)事實(shí)）。

使用 Rational Rose 將對象模型轉(zhuǎn)換為數(shù)據(jù)模型即完成了星型模式的實(shí)現(xiàn)。這里我們可以看到轉(zhuǎn)換后的結(jié)果。

圖4 使用Rational Rose實(shí)現(xiàn)星型模式

在圖4中，沒有顯示自動創(chuàng)建的主鍵和外鍵約束。

星型模式的維度是獨(dú)立的表。當(dāng)對象模型轉(zhuǎn)換為數(shù)據(jù)模型時(shí)，Rational Rose 可以生成維度的主鍵。

事實(shí)表指從維度表中使用鍵遷移的維度，當(dāng)生成數(shù)據(jù)模型時(shí) Rational Rose 可以生成外鍵。

在星型模式中切片和切塊是對維度的限制（選擇）。這是一個(gè)運(yùn)行時(shí)問題，而不是建模問題，但是模型必須分辨其需要。

雪花模式

基本的星型模式并不能滿足數(shù)據(jù)挖掘的所有需要。我們需要更復(fù)雜的維度，例如時(shí)間。分析員希望根據(jù)周、月、季度等識別模式。

維度必須進(jìn)行規(guī)范化。我們不需要冗余的維度表，這只會使數(shù)據(jù)切片變得更加復(fù)雜。這種過程中我們得到的模式被稱為雪花模式。

我們來看一個(gè)簡單的雪花模式例子。我們將時(shí)間維度規(guī)范化為周、月和季度。

圖5 規(guī)范化的 Time 維度

我們希望能夠使用附加的規(guī)范化維度將立方體切片：周、月和季度。在本例中，我們假定季度是月的平行層次，這也就意味著我們不能將季度假定為若干月的聚合。由于這個(gè)原因，我們將使用一張范化表（是對 OLAP 查詢的一項(xiàng)簡單附加）預(yù)先選擇時(shí)間維度。

最終雪花模式添加了規(guī)范化維度。

圖6 帶有范化維度的 Time 和事實(shí) Flight 的雪花模式

當(dāng)然，所有的維度都可以像時(shí)間例子那樣進(jìn)行規(guī)范化，這就導(dǎo)致了比較復(fù)雜的數(shù)據(jù)集市模式的出現(xiàn)。

由 Rational Rose 從雪花模式中開發(fā)的實(shí)現(xiàn)模式（數(shù)據(jù)模型）是完善的。

圖7 帶有范化 Time 維度的雪花模式的數(shù)據(jù)模型

創(chuàng)建的約束在圖中也沒有顯示。

雪花模式中可以存在切片，不僅僅在基本的 Time 維度上，也可以在規(guī)范化的 Week、Month 和 Quarter 維度上。

多對多關(guān)系

在一次飛行中，我們不僅僅只吃一頓飯。在長途飛行中可能要多次用餐。在這種情況下，我們認(rèn)為事實(shí) Flight 和 Menu 維度不是一對多的關(guān)聯(lián)。我們必須使用多對多關(guān)聯(lián)。不過，這種關(guān)聯(lián)不可能在星型模式中實(shí)現(xiàn)。

雪花模式的一種特殊形式是使用一種必要的數(shù)據(jù)結(jié)構(gòu)以滿足這項(xiàng)要求。

首先，我們將模型變更為事實(shí)和維度間的多對多關(guān)聯(lián)。使用 Rational Rose，這只是關(guān)聯(lián)基數(shù)的變更。

圖8 Menu 的多對多維度的星型模式

我們無法在關(guān)系數(shù)據(jù)庫中實(shí)現(xiàn)多對多關(guān)聯(lián)。實(shí)現(xiàn)多對多關(guān)聯(lián)需要使用另一種雪花模式。

在下圖中，我們關(guān)注一下已經(jīng)開發(fā)的雪花模式的一部分，該部分處理多對多維度。

圖9 雪花模式解決了 Menu 的多維度

Rational Rose 生成了附加的維度表 FlightMenu，它是指 Menu 維度和 Flight 事實(shí)。

確定關(guān)系用于解決多對多關(guān)聯(lián)。

對于雪花模式的架構(gòu)師來說，最重要的一點(diǎn)就是識別多對多關(guān)系。簡單對象視圖可能會使設(shè)計(jì)員理解概念，而生成的數(shù)據(jù)視圖有助于進(jìn)一步深入有關(guān)實(shí)現(xiàn)的問題。

層次

數(shù)據(jù)挖掘可以從隱藏在操作系統(tǒng)表面下的數(shù)據(jù)中發(fā)現(xiàn)信息。我們想了解的一個(gè)問題就是選定菜單與乘客統(tǒng)計(jì)資料之間的依賴關(guān)系。

乘客統(tǒng)計(jì)資料數(shù)據(jù)可以在 Passenger 維度的層次上構(gòu)建。乘客可以根據(jù)郵政編碼分組，然后再按國家進(jìn)行分組。

圖10 乘客的層次

層次通過使用聚合來指定。聚合定義了所包括的內(nèi)容。Country 包含了 ZIP 編碼，ZIP 編碼包含了多名 Passenger 信息。

最終通過使用外鍵實(shí)現(xiàn)了聚合。

圖11 雪花模式實(shí)現(xiàn)了 Passenger 維度的聚合

點(diǎn)擊查看大圖

生成的約束仍然沒有在圖中表示出來。

使用聚合，維度可以在任何定義的級別上使用。分析空間可以通過 Passenger、ZIP Code或者 Country 進(jìn)行切片。

一致的維度

隨著數(shù)據(jù)倉庫架構(gòu)師不斷地添加細(xì)節(jié)內(nèi)容，雪花模式變得越來越復(fù)雜。因此設(shè)計(jì)過程必須在到達(dá)某種程度后停止以保持數(shù)據(jù)倉庫運(yùn)行良好。

星型或者雪花模式仍然僅僅關(guān)注于一個(gè)事實(shí)--在本例中就是Flight。那么復(fù)雜關(guān)系又是什么情況呢？

對于每個(gè)事實(shí)我們都必須設(shè)計(jì)其各自的模式。如果我們想要進(jìn)行復(fù)雜查詢的話，它們就必須具有共同的維度--我們稱其為一致的維度。

讓我們使用 Pilot 作為一個(gè)維度，PilotFlight 作為一個(gè)事實(shí)來定義第二個(gè)星型模式。我們還要使用附加的 Flight Schedule 維度和 Time 維度。

圖12 Pilot 星型模式

第二個(gè)模式可以單獨(dú)使用或者與 Passenger 模式結(jié)合使用，從而根據(jù)使用一致維度的飛行員維度來查詢 Passenger 的滿意程度。

圖13 一致維度Time 和 Flight Schedule

即使在使用一致維度的數(shù)據(jù)倉庫的簡單結(jié)構(gòu)中，Pilot 與 Passenger 之間的關(guān)系也是簡單的。

在開發(fā)數(shù)據(jù)模型時(shí)，數(shù)據(jù)倉庫將大量小型星型模式與雪花模式相結(jié)合形成了大型的數(shù)據(jù)倉庫模式。

事實(shí)與維度的數(shù)據(jù)

我們想要評估乘客對于飛行的滿意率?？梢允褂貌粷M意到很滿意幾個(gè)級別進(jìn)行評定。評定記錄存放在事實(shí)表 Flight 中作為一個(gè)屬性（列）。

如果我們想要得出一個(gè)平均記錄，那么就必須為記錄定義值以進(jìn)行計(jì)算。我們可以將記錄分為 0 到 10 級。這樣就可以得到一個(gè)平均記錄。平均值應(yīng)該存儲在維度表中，以用于簡單的切片，其中我們只想進(jìn)行一維切片。

Rational Rose 根據(jù)目標(biāo)數(shù)據(jù)庫的數(shù)據(jù)類型生成了實(shí)現(xiàn)屬性。對象模型是用來定義數(shù)據(jù)庫的數(shù)據(jù)源的。

結(jié)束語

IBM Rational Rose 是設(shè)計(jì)數(shù)據(jù)倉庫實(shí)現(xiàn)的最佳工具。

對象模型定義了有關(guān)模式的全局結(jié)構(gòu)的對象，和包括數(shù)據(jù)源的整體數(shù)據(jù)倉庫。它代表了數(shù)據(jù)倉庫中有關(guān)視圖的對象，同時(shí)隱藏了實(shí)施細(xì)節(jié)。

數(shù)據(jù)模型是數(shù)據(jù)倉庫的實(shí)現(xiàn)模型。數(shù)據(jù)模型可以從對象模型中生成，反之亦然。