📚 课程目录第4章多维度建模基础

4. 多维度建模基础：星型模型、雪花模型、事实表与维度表的设计原则

多维度建模是数据仓库与指标口径设计的核心方法论。在容量水位口径的聚合校准场景中，正确的模型结构决定了指标的可追溯性与聚合效率。本章围绕星型模型、雪花模型、事实表与维度表四大核心概念，阐述其设计原则与适用场景。

4.1 星型模型 vs 雪花模型

星型模型与雪花模型是多维度建模中最常用的两种架构模式。两者的核心区别在于维度表的规范化程度。

对比维度	星型模型	雪花模型
维度表结构	维度表直接与事实表关联，维度表内部不拆分	维度表进一步规范化，拆分为多个子维度表
查询性能	高（表连接少，路径短）	较低（表连接多，路径长）
数据冗余	较高（维度表存在重复属性）	较低（通过拆分消除冗余）
ETL 复杂度	简单（加载速度快）	较高（需要维护多表关联）
维护成本	较低（维度变更直接更新）	较高（维度变更需同步多表）
推荐场景	OLAP 查询、报表、指标聚合	数据仓库基础层、需要严格规范化的场景

  容量水位口径建议： 在容量水位指标聚合场景中，优先采用星型模型。因为星型模型减少了表连接次数，能够显著提升多维度聚合（如按机房、集群、时间、业务线）的查询性能，降低口径计算延迟。

4.2 星型模型结构

星型模型以一张中心事实表为核心，周围环绕多个维度表，形成星状拓扑。事实表存储可度量的数值指标（如容量使用量、水位百分比），维度表存储描述性属性（如时间、地域、设备类型）。

4.3 雪花模型结构

雪花模型是对星型模型的扩展，将维度表进一步拆分为更细粒度的子维度表，形成类似雪花的层次结构。这种模型减少了数据冗余，但增加了查询复杂度。

4.4 事实表设计原则

事实表是多维度建模的核心，承载了业务过程的度量值。在容量水位口径设计中，事实表的设计直接决定了指标的可聚合性与准确性。

粒度声明原则： 每一行记录必须代表一个明确的业务事件粒度。例如：每台设备每小时采集一次容量水位，则粒度 = 设备 + 小时。
可加性原则： 度量值应支持跨维度聚合。容量使用量（GB）是可加的，水位百分比（%）在聚合时需加权平均。
退化维度处理： 当维度属性较少且不会单独分析时，可直接存储在事实表中，避免过度拆分。
外键设计： 事实表通过外键与维度表关联，外键应为整型代理键，避免使用业务主键。

容量水位事实表示例：
fact_capacity_water_level 包含字段：
date_key (FK), time_key (FK), device_key (FK), dc_key (FK), biz_key (FK),
total_capacity_gb (可加), used_capacity_gb (可加), water_level_pct (半可加)

4.5 维度表设计原则

维度表为事实表提供描述性上下文，是切片、钻取、过滤的基础。维度表的设计质量直接影响分析灵活性与数据一致性。

设计原则	说明	容量水位示例
单一主键	使用无业务含义的代理键作为主键	device_sk (自增整数)
属性扁平化	将层次结构扁平化为多个字段，减少关联	机房维度包含：区域、城市、机房名称
SCD 策略	缓慢变化维度需选择合适策略（Type 1/2/3）	设备扩容后容量变更使用 Type 2
描述性字段	提供可读性强的描述，避免仅用代码	设备状态：'运行中' 而非 '1'
空值处理	使用默认行或特殊值表示未知/不适用	未知业务线使用 'Unknown'

4.6 模型选择决策矩阵

在实际项目中，需要根据业务需求、技术栈与数据规模选择合适的模型。以下决策矩阵可辅助判断：

评估维度	星型模型	雪花模型
查询性能要求高	✅ 推荐	❌ 不推荐
维度层次深且稳定	⚠️ 可接受	✅ 推荐
ETL 维护团队小	✅ 推荐	❌ 不推荐
存储成本敏感	❌ 不推荐	✅ 推荐
需要频繁维度变更	✅ 推荐	⚠️ 可接受
容量水位实时聚合	✅ 推荐	❌ 不推荐

常见误区： 不要为了追求“规范化”而盲目使用雪花模型。在容量水位口径聚合场景中，星型模型通常能提供 3-5 倍的查询性能优势，且维护成本更低。雪花模型更适合数据仓库基础层（ODS/DWD），而非指标聚合层（DWS/ADS）。

4.7 事实表与维度表的关联设计

事实表与维度表通过外键建立关联，形成完整的多维分析结构。以下是一个容量水位场景的关联示例：

-- 事实表：容量水位事实
CREATE TABLE fact_capacity_water_level (
    date_sk      INT NOT NULL,      -- 关联 dim_date
    time_sk      INT NOT NULL,      -- 关联 dim_time
    device_sk    INT NOT NULL,      -- 关联 dim_device
    dc_sk        INT NOT NULL,      -- 关联 dim_datacenter
    biz_sk       INT NOT NULL,      -- 关联 dim_business
    total_gb     DECIMAL(18,2),     -- 总容量
    used_gb      DECIMAL(18,2),     -- 已用容量
    water_level  DECIMAL(5,2),      -- 水位百分比
    record_ts    TIMESTAMP,         -- 记录时间戳
    PRIMARY KEY (date_sk, time_sk, device_sk)
);

-- 维度表：设备维度
CREATE TABLE dim_device (
    device_sk    INT PRIMARY KEY,   -- 代理键
    device_id    VARCHAR(50),       -- 业务主键
    device_name  VARCHAR(100),
    model        VARCHAR(50),
    vendor       VARCHAR(50),
    capacity_gb  DECIMAL(18,2),
    status       VARCHAR(20),
    effective_dt DATE,              -- SCD Type 2
    expire_dt    DATE,
    is_current   CHAR(1)
);