数据仓库示例-简单解释

Question

我现在正试着学习数据仓库，但我真的不明白。我的问题并不是很具体，但我只想有人向我解释一下数据仓库的概念。

我现在正在尝试用索的数据库创建一个数据仓库。

在这个数据库中有8个表，对于那些使用这些表的人来说，它们是非常清楚的：

• 徽章
• 评论
• PostHistory
• PostLinks
• 帖子
• 标签
• 用户
• 投票

1.维数

尺寸是多少？这是我不明白的重要部分。对我来说，我看到了7个维度:徽章，评论，帖子，PostLinks，标签，用户和投票。但是我不认为使用数据仓库有什么意义，尺寸就是表。

-Would日期是一个维度吗？什么日期？每条评论和帖子？

-Would :将帖子分为问题维度和答案维度是相关的吗？

-What其他尺寸我可以放吗？

2.事实表

我怎么把所有的外键(userId，postId，commentId.)在一张桌子上？例如，假设一个用户发布了一个问题，但是没有评论。我会在我的事实表中使用他的userId一行，在commentId列中使用postId a NULL？

措施。我在考虑事实表中的下列措施:问题数量、用户数量、标签数量.

有人能告诉我如果我朝正确的方向走吗？

Answer 1

在构建数据仓库时，您必须回答的第一个问题是“我想回答什么问题？”

以Stack溢出为例，一个问题可能是：“在过去的两年中，每个月大约有多少个帖子？”

要回答这个问题，我们需要创建Post和Post标签事实表。因为这些表都是select和insert，所以我们可以对事实数据进行去或删除，这样就更容易选择了。

所以，我们可能有一个Post事实表，看起来像这样。

Post
----
Post Number
Post Text
Post Timestamp
Post Tag 1
Post Tag 2
Post Tag 3
Post Tag 4
Post Tag 5

根据时间戳和按月分组进行选择可能比较简单。我们只关心前5个帖子标签，也不在乎其中一些标签是否为空。

现在，您不必去还原数据。通常，如果对数据进行反错处理，查询会运行得更快。

对于其他可用的数据，您也是这样做的。你想回答什么问题？

Answer 2

堆栈溢出可能不是最好的数据模型，如果您想要将您的头脑围绕DW的概念。它不包含许多“传统”事实。我脑海中闪现的唯一例子是上/下投票和用户排名。

你会发现很多我们所说的“无事实的事实”。这些本质上把多维度的交集看作是一个事实，只是一个隐含的“计数”作为唯一的事实。例如，在Post事实中，它只是用户、日期、数据库等的交叉处的计数。

您可能会考虑使用“垃圾”维度这样的概念来支持引用事实表中的标记。这将使您为每个唯一的标记组合分配一个伪键，然后这个键将存储在事实表中。

如果你想学习DW，用你的个人财务，这就是我学到的。您可以通过帐户余额了解快照事实，可以通过购买了解事务性事实，还可以创建供应商和帐户维度等。