Data Cube

From Tables and Spreadsheets to Data Cubes

• A data warehouse is based on a multidimensional data model「多维数据模型」 which views data in the form of a data cube
• 通过数据立方体（如销售），可以对数据进行多维度建模和查看
  • Dimension tables, such as item (item_name, brand, type), or time(day, week, month, quarter, year)
  • Fact table contains measures (such as dollars_sold) and keys to each of the related dimension tables

在认知文献中，数据库立方体被称为数据库立方体。最顶端的 0-D 立方体拥有最高级别的摘要，被称为顶点立方体。立方体的晶格构成了数据立方体。

• Modeling data warehouses: dimensions & measures
• DW Schema
  • 星形模式「Star schema」：中间的事实表连接一组维度表
  • 雪花模式「Snowflake schema」: 星形模式的细化，将一些维度层次归一化为一组较小的维度表，形成类似雪花的形状
  • 事实星座「Fact constellations」：多个事实表共享维度表，被视为恒星的集合，因此称为星系模式或事实星座

Multiple Fact Tables -》 Galaxy Schema

• 出于性能或其他原因，我们可以在给定的星形模式中定义多个事实表
  • 例如不同的用户需要不同级别的聚合
• 可以通过为每个聚合级别定义不同的事实表来提高性能
• DW 的设计者需要决定增加的存储需求是否适合预期的性能改进

Snowflake Schema

• Sometimes a dimension in a star schema forms a natural hierarchy
• 例如名为 Market 的维度具有地理层次结构：
  • several markets within a state
  • several markets within a region
  • several markets within a country

当维度参与层次结构时，设计者有两个基本选择。

• 将层次结构的所有信息包含在单个表中
  • i.e., a big flat table
• normalize the tables
  • resulting in an expanded schema→雪花模式！
• 雪花模式是星型模式的扩展版本，其中所有表都完全规范化。