projetando o modelEdit
o modelo dimensional é construído sobre um esquema tipo estrela ou esquema de floco de neve, com dimensões em torno da tabela de fatos. Para criar o esquema, a seguir o modelo do projeto é usado:
- Escolher o processo de negócio
- Declarar o grão
- Identificar as dimensões
- Identificar o fato de
Escolher o processo de negócio
O processo de modelagem dimensional baseia-se num passo 4-método de projeto que ajuda a garantir a usabilidade do modelo dimensional e a utilização do data warehouse. Os princípios básicos do design se baseiam no processo de negócios real que o armazém de dados deve cobrir. Portanto, o primeiro passo no modelo é descrever o processo de negócios em que o modelo se baseia. Pode tratar-se, por exemplo, de uma situação de venda numa loja de venda a retalho. Para descrever o processo de negócios, pode-se optar por fazer isso em texto simples ou usar Notação básica de Modelagem de processo de negócios (BPMN) ou outros guias de design como a Unified Modeling Language (UML).
Declare o grão
Depois de descrever o processo de negócio, o próximo passo no projeto é declarar o grão do modelo. O grão do modelo é a descrição exata do que o modelo dimensional deve estar focando. Isto poderia, por exemplo, ser “um item de linha individual em um deslizamento do cliente de uma loja de varejo”. Para esclarecer o significado do Grão, você deve escolher o processo central e descrevê-lo com uma frase. Além disso, o grão (frase) é o que você vai construir suas dimensões e tabela de fatos. Você pode achar necessário voltar a este passo para alterar o grão devido a novas informações obtidas sobre o que seu modelo é suposto ser capaz de entregar.
identificar as dimensões
O terceiro passo no processo de design é definir as dimensões do modelo. As dimensões devem ser definidas no interior do grão a partir da segunda etapa do processo de 4 etapas. Dimensões são a base da tabela de fatos, e é onde os dados para a tabela de fatos são coletados. Normalmente as dimensões são substantivos como data, loja, inventário, etc. Estas dimensões são onde todos os dados são armazenados. Por exemplo, a dimensão da data poderia conter dados como o ano, o mês e o dia da semana.
identificar os fatos
Depois de definir as dimensões, o próximo passo no processo é fazer chaves para a tabela de fatos. Este passo é identificar os fatos numéricos que irão povoar cada linha da tabela de fatos. Esta etapa está intimamente relacionada com os usuários de negócios do sistema, Uma vez que é aqui que eles têm acesso aos dados armazenados no armazém de dados. Por conseguinte, a maior parte das linhas do quadro fact são números numéricos, números aditivos, tais como quantidade ou custo por unidade, etc.
Dimension NormalizationEdit
Dimensional normalization or snowflaking removes redundant attributes, which are known in the normal flatten de-normalized dimensions. As dimensões são estritamente Unidas em sub dimensões. o floco de neve tem uma influência na estrutura de dados que difere de muitas filosofias de armazéns de dados.De dados único (fato) tabela rodeado por vários descritiva (dimensão) tabelas
muitas vezes os Desenvolvedores não normalizar as dimensões devido a várias razões:
- Normalização faz com que a estrutura de dados mais complexa
- Desempenho pode ser mais lento, devido a muitas associações entre tabelas
- A economia de espaço são mínimas
- índices de mapa de bits não pode ser usado
- o desempenho da Consulta. As bases de dados 3NF sofrem de problemas de Desempenho Quando agregam ou recuperam muitos valores dimensionais que podem requerer análise. Se você só vai fazer relatórios operacionais, então você pode ser capaz de se safar com 3NF porque seu usuário operacional estará procurando por dados de grãos muito finos.
Existem alguns argumentos sobre por que a normalização pode ser útil. Pode ser uma vantagem quando parte da hierarquia é comum a mais de uma dimensão. Por exemplo, uma dimensão geográfica pode ser reutilizável porque tanto as dimensões do cliente como do fornecedor a utilizam.