对比 3NF 与星型模型的取向,说明分析场景的适配性。
范式建模(3NF):面向事务系统(OLTP),消除冗余——每个事实只存一处,表多、 join 深;保证写入一致性,改一个字段只动一张表。适合业务库,但不适合分析:查询一个「订单明细+客户+商品+地区」要连 6~8 张表,海量数据下 join 代价极高,且分析人员难以理解。
维度建模(Kimball):面向分析(OLAP),故意冗余换查询效率与易读性——事实表存可加和的度量(销售额、次数)+ 外键;维度表存描述性属性(客户、商品、日期),宽而扁平。典型结构是星型模型(事实在中心,维度环绕),进一步冗余维度属性合并进事实就是雪花→星座的反向选择。
数仓选维度建模的原因:① 分析查询模式固定(某维度+某度量+某时间范围),宽表/星型一次 join 搞定;② 语义简单,业务方看得懂,BI 工具天然支持;③ 聚合、钻取(年→季→月)、切片(维度过滤)操作与模型结构天然吻合。Erwin 3NF 一般只用于 ODS 到 DW 的中间缓冲或企业级总线矩阵设计。
题目与答案就在本页;收藏、批注和错题重练在应用内