데이터 웨어하우스의 데이터 모델에 시간 차원 데이터가 포함된 이유를 설명합니다

안녕하세요. 다차원 데이터 모델의 가장 큰 장점은 분석 최적화를 기반으로 한 데이터 구성 및 저장 패턴입니다. 간단한 예를 들어, 전자 상거래 사이트의 운영 데이터베이스에 기록되어 있는 것은 특정 시점일 수 있습니다. 한 사용자가 상품을 구입하여 특정 주소로 보낸 이러한 기록의 모음입니다. 그래서 우리는 20 10 년 7 월에 얼마나 많은 사용자가 상품을 구입했는지, 또는 20/Kloc-0 을 즉시 얻을 수 없습니다. 그러나 다차원 모델을 기반으로 하는 이러한 쿼리는 간단합니다. 시간 차원에서 데이터를 20 10 년 7 월로 합산하고 지역 차원에서 절강성의 세분성으로 데이터를 합산하면 됩니다. 이것이 바로 OLAP 의 개념이며, 이후 관련 문장 소개가 있을 것입니다.

다차원 모델의 단점은 관계형 모델에 비해 유연성이 부족하여 일단 모델이 구축되면 변경하기가 어렵다는 것입니다. 예를 들어, 사용자가 시간, 사용자 차원 및 상품 수량, 총 가격 등 다양한 상품을 구매할 수 있다는 사실, 관계 모델의 경우 주문에 포함된 상품을 구분해야 하는 경우, 주문 번호와 상품의 대응 관계를 기록하는 또 다른 테이블만 있으면 됩니다. 그러나 다차원 모델에서는 사실 테이블이 구축되면 사실 테이블의 주문 레코드를 다시 분할할 수 없습니다.

따라서 다차원 모델을 구축하기 전에 일반적으로 요구 사항에 따라 모델을 상세하게 설계하고, 포함해야 하는 차원과 측정을 사용자의 분석 요구 사항을 충족하기 위해 데이터를 어느 세분성으로 유지해야 하는지 설명합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 다차원 모델명언)

데이터웨어 하우스의 다차원 모델에 대한 간단한 소개가 있습니다. 실제로 데이터를 분석 할 때 많은 데이터가 복합 다차원 모델의 구조라고 생각 했습니까? 아니면 자체 방법을 사용하여 다차원 모델 또는 구현 된 데이터의 다차원 디스플레이를 구축했습니다. 나와 공유하십시오.