深入解析数仓维度建模中的维度

角色维

如果将维度想象成一把直尺，直尺上不同的刻度代表一个维度表上的不同的列。那么在几何课上将直尺用来测量距离，在阅读时用直尺用作书签，夹在书中，这个时候直尺在不同的场景下有着不同的作用，这就是角色维的概念。即相同的维度表在不同的模型中起着不同的作用，一般可以用视图实现。

微小维

如果直尺很长，但是每次测量都只用到前面的部分，那么就将直尺进行一定程度的裁剪，将用的最多的部分独立出来，方便使用，这就是微小维的概念，即将维度的子集单独出来进行使用。与微小维所类似的的是微型维的概念。微型维并不是以子集拆分而是以变化程度进行拆分的，即将维度中变化比较频繁的维度单独拆分出来进行管理。因为维度表往往都是宽表，单独出来的微型维度可以防止维度表的频繁更新导致锁，进而影响使用。微小维与微型维示意图如图1所示。

图片

▲图1 微小维与微型维示意图

支架维度

支架维度与桥接维度都可以看成维度的一种补充形式，前者是对于维度属性的额外补充；后者是对于维度表的一种桥接关系，关联另外的维度表。支架维度字如其名，是对于维度中属性信息的一种补充，其主要是维度表中对于另外维度的引用关系。例如商品中有出厂日期属性，但是日期属性是属于日期维度的信息，如图2所示。

▲图2 支架维度示意图

支架维度本质上是不同维度表的关联，但是在维度建模中维度表之间的关联是应该通过事实表进行的。

桥接维度

对于桥接维度可能就更加好理解了，就是两个维度表之间通过第三张维度表进行关联，其中存储另外两个维度表的关系。如图9-6所示，维度表A与维度表B之间某个字段的属性存在多对多关系，基于这种多对多关系设计维度表C，用来存储这两个属性的关系。例如代理商与客户之间，一个代理商可以代理多个客户，同时一个客户也可以隶属于多个代理商，那么维度表C则就是代理商与客户的映射关系。当然依然还是按照维度建模的理论，维度之间的关系应该通过事实表去体现，如果你清楚这样做带来的好处以及坏处，那么依然可以采用这种方式去构建你的维度。桥接维如图9-5所示。

图片

▲图3 桥接维示意图

这样通过支架维度、桥接维度我们可以解决维度中出现多值、多属性的问题。然而对于某些零散的维度，每个维度属性值都比较少，例如不同渠道的付款的方式：渠道粗略的看只有线上以及线下；付款方式的只有现金、信用卡、网络支付。将这2个属性进行笛卡尔组合之后，过滤掉不合理的场景，就完成了简单的杂项维的构建，如表1所示。

表1 杂项维度

此外对于很多维度是有层级结构的，例如省份、城市或者母公司、子公司等。这种层次结构的维度对于应用使用并不友好，故往往采用扁平化的方式进行处理方便应用使用。但是这种处理需要根据具体的应用特点，例如对于省份城市可能直接进行平铺展示，而对于某些场景会处理上一级公司或者下一级公司进行展示，如表2所示。

表2 平铺处理层次维度

当然也有利用上下级别引用来进行展示的维度信息，如表3所示。

表3 利用上下级别引用处理的层次维度

说到这里一些常见的维度处理方式基本上就告一段落了，但是在维度的世界中，维度并不是一成不变的，恰恰相反，很多维度会随着时间变化而进行缓慢的变化，例如用户年龄每一年都要变化。同时一些业务的变化必然也会导致维度发生变化，例如公司部门或者产品属性的调整都会导致此类的场景，因为这就引出来维度中非常重要的概念，缓慢变化维度。

那么关于缓慢变化维度在《企业级数据架构》一书中寻找吧。

关于作者：

李杨，资深数据架构师，在数据相关领域有10年以上工作经验。头部保险资管公司科技平台交易系统团队开发组负责人，负责多个应用以及数据平台的建设、优化以及迁移工作。曾担任某数据公司技术合伙人，负责多个金融机构的数据仓库或数据平台相关的工作。《企业级数据架构：核心要素、架构模型、数据管理与平台搭建》作者。

本文摘编于《企业级数据架构：核心要素、架构模型、数据管理与平台搭建》（书号：9787111746829），经出版方授权发布，转载请标明文章出处。