2020-08-12:数据仓库是怎么分层的?
发布网友
发布时间：2022-04-24 09:06
共1个回答
热心网友
时间：2022-05-04 20:09
说点个人理解，书上的东西永远是怎么把你绕晕怎么写。（不然怎么显示他牛X）
（1）颗粒度（现在只要是建立数据仓库，基本上都会这么说，但实际上就不好说了）：数据库一般就是按照这个进行分层的，所谓颗粒度就是数据的细化程度。
一般我们认为最初进来的数据是颗粒度最小的。因为这部分数据基本上是没办法继续拆分的，当然如果最初进来的数据可以继续拆分,那就说明你数据仓库的数据传输接口有问题，数据仓库是一个理论上可以做任何相关查询的数据结构，如果不能做到这一点，那这个数据仓库没有任何意义。
然后这部分数据经过一定的组合，排列、计算等等组成了一个一个的更大颗粒度的数据（下面会举例说明），然后更大颗粒度的数据继续组合，一直循环，并最终展示出来。
用我们的手机通话时间（这里只考虑某号码的通话时间长短，不考虑其他，仅为举例，勿带入现实）举例：某号码每次通话时间（最小颗粒度，也是入库的内容）--某号码每天通话时间（一天可能通话3次，每天的的通话时间就是这三次的和）--每月通话时间（更大颗粒度，一个月的）--每年通话时间--通话总时间
注意：再提醒一下，我给的颗粒度一定不对，仅为说明，不要带入现实应用。
当然中间可能还有每周，每季度等等，然后可以通过这些内容去进行分析，比如一个人每月通话都在12小时以上，突然开始减少或者一直在下跌，那么就说明可能出现什么问题等等。这就需要经营分析，建立数据模型去分析了，这也是数据仓库最大的作用。
（2）人为分层（类似于所谓的拍脑袋决定），虽然上面的颗粒度也算是人为分层，但是好在每个层级的颗粒度都是一样的，当然，并不是每级只放一个颗粒度，某些颗粒度是放在一个级别的，但是还算有一个规则。这种人为分层则是没有规则，大部分是以数据“有用没用”来分层，“有用”的层级就高，“没用的”层级就低，然后没用的数据有用了，或者有用的数据没用了，就再折腾。看起来似乎很灵活，但是整个数据仓库会变得杂乱无章。当然，所谓的数据仓库也是数据库，最终落到一张一张的table上，看起来似乎没什么问题，但是管理起来是真的累啊。
其实还有一些分层方法，比如按流程、按“公司层级”等等，不过这些基本都不怎么主流，上面两种最多，如果碰到真的是第一种的，那就比较正规，如果是第二种，就自求多福吧。
