ER模型与维度模型

ER 模型

三种函数依赖

1. 完全函数依赖（学号，课名）→分数
2. 部分函数依赖（学号，课名）→［只需要学号］姓名
3. 传递函数依赖
   学号→系名→系主任 但是 系主任！→学号

ER模型遵循三范式

1NF：属性不能分割
2NF：不存在部分函数依赖
3NF：不存在传递函数依赖
注：减少数据冗余

维度模型

维度模型从两个概念呈现
1，事实：通常对应业务过程（下单、付款、退单等） V
2，维度：业务过程所发生的环境（日期、地区、人物身份／特征、产品等） n

注：为数据分析服务

设计事实表

事务型事实表

1. 选择一个业务过程（下单、退单）
2. 粒度，每行数据代表什么，比订单表，一行数据代表一个商品项
3. 维度，主要设计维度外键
4. 度量值，就是统计值（件数，个数，总金额）

特点
保存最细粒度的数据，相当于明细层

不足

1. 效率低
2. 逻辑复杂

周期型快照事实表

1. 确定粒度：可由采样周期和维度描述
   例如指标：主办业务／技术审批时效
   该表粒度＝采样周期：每天＋维度：1，项目类型，2，审批类型，3，科室，4，项目，5, 子项目

2. 确定度量值（由统计指标决定，例如：审批时效p85，总投入资源数）
   注：相当于 T +1每日汇总层

累计型快照事实表

主要用于分析各种业务过程（里程牌）之间时间间隔等需求。例如：用户从下单到确认收货的平均时间间隔

1. 选择多个关键业务过程
2. 粒度，同上
3. 维度，注意给每个业务过程添加一个日期维度
4. 度量值，同上

维度表

对应不同维度：日期、地区、人物身份／特征、产品
特征：

1. 属性多即列多，表比较宽
2. 比事实表行数少，通常＜10万条
3. 内容相对固定，例如编码表，时间维度表，毎日全量同步