在数据仓库设计中，星型模式中的度量到底是什么？

Question

星型架构由维表和事实表组成。

事实表包含每个维度的外键，除此之外，它还包含"measures“。这一措施到底包括哪些内容？

存储的是某个聚合函数的答案吗？

Answer 1

基本上是这样的。

如果你有一个简单的网格

Salary     Januari   Februari   March   April   May    June
           Q1                         Q2

Me         1100      1100      1100    1100    1500    1500
Collegue1   2000      2000      2000    0       0      0

时间是一个具有两个级别的分层维度(如图所示)。显示的另一个维度是“EmployeeID”。另一个维度(未显示)可能在PointOfView中(例如预算/实际)。

数量(例如1100)是衡量标准，它构成了你的事实(事实的非识别部分)。维度为不同级别上的每个度量定义合并函数(例如，Amount(Q1) == SUM(Amount(January...March)。请注意，合并将根据度量值的不同而有所不同(例如，不会对所得税%求和，而是以某种方式合并: OLAP多维数据集设计的艺术到底是如何的)。

(琐事:您可以有计算的度量，使用MDX来查询例如与上一季度相比的金额偏差，整个季度的平均工资acoss等；很明显，合并公式需要考虑)。

此时，您将开始看到，合并规则的设计取决于规则的计算顺序(如果先计算“薪资偏差%”的公式，然后进行合并，则需要对其求平均值；但是，如果首先将原始薪资度量合并(求和)到Q1，Q2级别，则可以像在最低级别一样计算派生度量。

现在，在决定如何存储多维数据集时，事情变得更加有趣。基本上有两种方式：

预计算所有单元格(包括所有scenarios)

• calculate on

中的所有合并

大多数OLAP引擎都集中在混合方法(HOLAP)上，这并不奇怪，在混合方法中，经常访问的合并级别的重要部分是预先计算和存储的，而其他部分是动态计算的。

有些会将底层数据存储在一个标准的RDBMS (ROLAP)中，另一些则不会(OLAP)。专注于高性能的引擎倾向于将所有数据保存在预先计算的立方体中(对于非常稀疏的维度，只求助于“许多小的子立方体”)。

好吧，不管怎么说，这有点夸张。我喜欢漫无边际地讲述我在做数据仓库和OLAP时学到的东西

Answer 2

事实和度量是afaik的同义词。事实是数据:销售、生产、交付等。维度是与事实相关的信息(时间、位置、部门)。

Answer 3

度量是两种事情中的一种。

1. 测量。测量结果。带单位的数字。美元、重量、体积、大小等Measurements.
2. Aggregates.数据的总和(有时是平均值)。它可能是仓库中的数据:出于性能原因预先计算的聚合。或者它可能是无法获取(或不需要)的数据，因为它太详细了。音量太大之类的。

事实表最重要的一点是，非关键度量是具有单位的实际度量。