元数据
我们在操作数据仓库时，操作的都是元数据，而元数据分为技术元数据和业务元数据。

技术元数据：指数据仓库开发、管理、维护相关的数据，描述了数据的原信息，转换描述、数据映射、访问权限等；
  业务元数据：为管理层和业务分析人员服务，从业务的角度描述数据，包括行业术语、数据的可用性、数据的意义等；

元数据的存储常用两种，一种是以数据集为基础，每一个数据集有对应的元数据文件，每一个元数据文件对应数据集的元数据内容；另一种是以数据库为基础，由若干项组成，每一项表示元数据的一个元素。

什么是数据模型
数据模型是数据关系的一种映射，就是将业务之间的关系，用模型图形化展示出来，在设计数据仓库模型和架构的时候，我们需要懂具体的技术，也需要了解行业的知识和经验来帮助我们对业务进行抽象、处理，进而生成各阶段的模型。

对数据仓库建模的好处
模型可以很好的帮我们分离出底层技术的实现和上层业务的展现，更清晰的看到数据之间内在的关联关系，从而建立起全方位的数据视角，并消灭信息孤岛和数据差异化问题，保证数据的一致性。

维度、度量、指标的含义

维度：即数据观察的角度，从什么角度分析问题（指标）称为维度，比如：2019年北京地区华为手机的销售量，销售量就是我们要去看的一个指标，维度就是时间维度，地区维度和产品维度。
  
  度量：事实表和维度交叉汇聚的点，度量和维度构成OLAP的主要概念，这里面对于在事实表或者一个多维立方体里面存放的数值型的、连续的字段，就是度量。这符合上面的意思，有标准，一个度量字段肯定是统一单位，例如元、户数。如果一个度量字段，其中的度量值可能是欧元又有可能是美元，那这个度量可没法汇总。是在统一计量单位下，对不同维度的描述。
  
  指标：就是我们具体要分析的对象、分析的数据，比如销售收入、销售毛利、采购成本、人均产出等数值类型的就是指标。

事实表和维度表

事实表：存储有事实记录的表，如系统的日志、销售记录、用户访问日志等信息，事实表的纪录是动态增长的，所以体积大于维度表。
  例：用户访问日志（事实表）：用户名、url、时间…
  
  维度表：是与事实表相对应的表，这个表保存了维度的属性值，可以跟事实表做关联，相当于是将事实表中经常重复的数据抽取、规范出来用一张表管理，常见的有日期（日、周、月、季度等属性）、地区表等，所以维度表的变化通常不会太大。

数据模型的建立过程
业务模型➡️领域模型➡️逻辑模型➡️物理模型

业务模型：业务分解和程序化，确定好业务边界和业务流程，如订单、支付都是一个独立的业务模块。
  领域模型：业务的抽象、分组，整理分组之间的关联，比如用户购物的业务，抽成一个更大的模型，这个模型一般相对于行业。
  逻辑模型：领域模型中的业务概念实体化，并考虑实体的具体属性及实体与实体之间的关系，比如订单（订单号、付款人…）和支付（金额、支付时间…）的关系。
  物理模型：解决实际应用的落地开发、上线及性能等一系列技术问题。