数据仓库-数据集市

数据仓库-数据集市

概念

数据集市是数据仓库的一种简单形式，通常由组织内的业务部门自己建立和控制。一个数据集市面向单一主题域，如销售、财务、市场等。数据集市的数据源可以是操作型系统(独立数据集市)，也可以是企业级数据仓库(从属数据集市)。

与数仓区别

范围

数仓：企业级

数据集市：部门级或业务线

主题

数仓：多个主题

数据集市：单一主题

数据源

数仓：遗留系统、事务系统、外部数据的多个数据源

数据集市：数据仓库或事务系统的少量数据源

数据粒度

数仓：较细的粒度

数据集市：较粗的粒度

数据结构

数仓：通常是规范化结构(3NF)

数据集市：星型模型、雪花模型、或者两者混合

历史数据

数仓：全部历史数据

数据集市：部分历史数据

完成需要的时间

数仓：几个月到几年

数据集市：几个月

设计

数据集市主要用于部门级别的分析型应用，数据大都是经过了汇总和聚合操作，粒度级别较高。

数据集市一般采用维度模型设计方法，数据结构使用星型模式或雪花模式。

设计维度模型先要确定维度表、事实表和数据粒度级别，下一步是使用主外键定义事实表和维度表之间的关系。

数据集市中的主键最好使用系统生成的自增的单列数字型代理键。

模型建立好之后，设计ETL步骤抽取操作型源系统的数据，经过数据清洗和转换，最终装在进数据集市中的维度表和事实表中。