目录
一、数据仓库概述
1、什么是数据库？
2、什么是数据集市？
3、什么是数据仓库？
4、数据仓库特点
4.1 数据仓库是面向主题的
4.2 数据仓库是集成的
4.3 数据仓库的数据是稳定的
4.4 数据仓库中的数据是随时间变化而变化的
二、数据仓库分层
1、数据仓库为什么要分层，分层的优势。
三、数仓核心理论
1、范式理论
1.1 范式概念
2、数据仓库建模：关系建模与维度建模
2.1 关系建模
2.2 维度建模
2.3 模型选择
一、数据仓库概述
首先，我们先来看下数据库、数据集市以及数据仓库的概念
1、什么是数据库？
数据库（Database）是按照一定格式和数据结构在计算机保存数据的软件，属于物理层。
2、什么是数据集市？
数据集市是一种微型的数据仓库，它通常是有更少的数据，更少的主题区域，以及更少的历史数据，如果数据仓库是企业级的，那数据集市就是部门级的，一般数据集市只能为某个局部范围内的管理人员服务。
3、什么是数据仓库？
数据仓库（Data Warehouse），可简写为DW或DWH。它是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
数据仓库存在的意义在于对企业的所有数据进行汇总，为企业各个部门提供统一的， 规范的数据出口。
4、数据仓库特点
4.1 数据仓库是面向主题的
数据仓库中的数据是按照一定的主题域进行组织的，每一个主题对应一个宏观的分析领域。数据仓库排除对于决策无用的数据，提供特定主题的简明视图。
举个例子：
比如说一个公司会有很多的部门，不同的部门都会去数据仓库拿数据，做自己要做的报表，我们把这一个部门或是某一个业务，也就是独立从我们数据仓库中获取数据的单元，把它称作为主题，也可以理解为一个主题就是一个部门。这个部门作为一个主题会从数据仓库总去获取数据，用于完成需要的报表。
4.2 数据仓库是集成的
数据仓库中的数据不是一开始就是在里面的，而是从各个分散的数据库中抽取出来的。但是有一个问题，就是这些来自不同数据库的数据会有重复和不一样的地方，如字段的同名异议、异名同义、单位不统一，字长不统一等。所以在集成的过程中，还要对数据进行清洗、规划、去敏等操作。
一句话就是，数据仓库是对企业内不同业务部门数据完整集合，而且还是处理过的数据。
4.3 数据仓库的数据是稳定的
数据仓库中的数据主要是为了给企业做决策时分析使用，涉及的主要是对数据的查询，一般情况下不会对数据进行修改，如果数据仓库中的历史数据超过存储期限，则会直接删除。
因为数据仓库涉及的操作主要是查询，所以它的系统要比数据库简单很多，但是数据仓库涉及到查询的数据量一般都很大，所以在数据查询就有更高的要求。
一句话记忆，数仓里不存在数据的更新和删除（不是指数据到期的删除）操作。
4.4 数据仓库中的数据是随时间变化而变化的
数据仓库中的数据不可更新是针对应用来说的，也就是说，数据仓库的用户进行分析处理是不进行数据更新操作的。但并不是说，在从数据集成输入数据仓库开始到最后被删除的整个生存周期中，所有的数据仓库数据都是永远不变的。
数据仓库的数据是随着时间变化而变化的主要表现如下：
1）数据仓库随着时间变化不断增加新的数据内容。数据仓库系统必须不断捕捉OLTP数据库中变化的数据，追加到数据仓库当中去，也就是要不断的生成OLTP数据库的快照，经统一集成增加到数据仓库中去；但对于确实不在变化的数据库快照，如果捕捉到新的变化数据，则只生成一个新的数据库快照增加进去，而不会对原有的数据库快照进行修改。
2）数据库随着时间变化不断删去旧的数据内容 。数据仓库内的数据也有存储期限，一旦过了这一期限，过期数据就要被删除。
3）数据仓库中包含有大量的综合数据，这些综合数据中很多跟时间有关，如数据经常按照时间段进行综合，或隔一定的时间片进行抽样等等。这些数据要随着时间的变化不断地进行从新综合。因此数据仓库的数据特征都包含时间项，以标明数据的历史时期。
一句话理解，数仓里会完整的记录某个对象在一段时期内的变化情况。
二、数据仓库分层
1、数据仓库为什么要分层，分层的优势。
1）把复杂问题简单化
将复杂的问题分解成多层来完成，每一次只处理简单的任务，方便定位问题。
2）减少重复开发
规范数据分层，通过的中间层数据，能够减少极大的重复计算，增加一次计算结果的复用性。
3）隔离原始数据
不论是数据的异常还是数据敏感度，使真实数据与统计数据解耦开。
数据仓库基础分层主要是分为四层，如下图所示
如上图所示，一个公司可能有多个业务系统，而数据仓库就是将所有的业务系统按照某种组织架构整合起来，形成一个仓储平台，也就是数仓。
第一层：
ODS——原始数据层：存放原始数据
第二层：
DWD——数据明细层：对ODS层数据进行清洗、维度退化、脱敏等。
第三层：
DWS——数据汇总层： 对DWD层数据进行一个轻度的汇总。
第四层：
DM——数据集市层：为各种统计报表提供数据。
注意：面试问到数仓分层，可以回答是四层，但是也一定要说是会根据企业实际情况来决定的。
三、数仓核心理论
1、范式理论
1.1 范式概念
1）定义
范式可以理解为设计一张数据表的表结构，符合的标准级别，也就是规范和要求。
2）优点
关系型数据库设计时，遵照一定的规范要求，目的在于降低数据的冗余性。
3）缺点
范式的缺点是获取数据时，需要通过Join拼接出最后的数据。
4）分类
目前业界范式有：第一范式(1NF)、第二范式(2NF)、第三范式(3NF)、巴斯-科德范式(BCNF)、第四范式(4NF)、第五范式(5NF)。
主要是1NF、2NF和3NF。
2、数据仓库建模：关系建模与维度建模
数据仓库建模的目标是通过建模的方法更好的组织、存储数据，以便在性能、成本、效率和数据质量之间找到最佳平衡点。
现在数据处理大致可以分为两大类：
操作型处理，叫联机事务处理 OLTP（On-Line Transaction Processing），也可以称面向交易的处理系统，它是针对具体业务在数据库联机的日常操作，通常对少数记录进行查询、修改。用户较为关心操作的响应时间、数据的安全性、完整性和并发支持的用户数等问题。传统的数据库系统作为数据管理的主要手段，主要用于操作型处理。
分析型处理，叫联机分析处理 OLAP（On-Line Analytical Processing）一般针对某些主题的历史数据进行分析，支持管理决策。
OLTP与OLAP的主要异同如下表：
2.1 关系建模
关系模型如图所示，严格遵循第三范式，从图中可以看出，较为松散、零碎，物理表数量多，而数据冗余程度低。由于数据分布于众多的表中，这些数据可以更为灵活地被应用，功能性较强。关系模型主要应用与OLTP系统中，为了保证数据的一致性以及避免冗余，所以大部分业务系统的表都是遵循第三范式的。
2.2 维度建模
维度模型如图所示，主要应用于OLAP系统中，通常以某一个事实表为中心进行表的组织，主要面向业务，特征是可能存在数据的冗余，但是能方便的得到数据。
关系模型虽然冗余少，但是在大规模数据，跨表分析统计查询过程中，会造成多表关联，这会大大降低执行效率。所以一般都会采用维度模型建模，把相关各种表整理成两种：事实表和维度表两种。
在维度建模的基础上又可分为三种模型：星型模型、雪花模型、星座模型。
1）星型模型
星型模式是维度模型中最简单的形式，也是数据仓库以及数据集市开发中使用最广泛的形式。星型模式由事实表和维度表组成，一个星型模式中可以有一个或多个事实表，每个事实表引用任意数量的维度表。
星型模型与雪花模型的区别主要在于维度的层级，标准的星型模型维度只有一层，而雪花模型可能会涉及多层。
2）雪花模型
雪花模式是一种多维模型中表的逻辑布局，与星型模式相同，雪花模式也是由事实表和维度表所组成。所谓的“雪花化”就是将星型模型中的维度表进行规范化处理。当所有的维度表完成规范化后，就形成了以事实表为中心的雪花型结构，即雪花模式。
3）星座模型
数据仓库由多个主题构成，包含多个事实表，而维表是公共的，可以共享（例如两张事实表共用一些维度表时，就叫做星型模型），这种模式可以看做星型模式的汇集，因而称作星系模式或者事实星座模式。
2.3 模型选择
在数据仓库建模时，会涉及到模式的选择，我们要根据不同模式的特点选择适合具体业务的模式。
星型还是雪花，取决于性能优先，还是灵活更优先。
在实际开发中，不会绝对选择一种，根据情况灵活组合，甚至并存（一层维度和多层维度都保存）。但是整体看来，更倾向于维度更少的星型模型。
