[[379616]]

本文轉載自微信公眾號「曾二爺」，作者曾二爺。轉載本文請聯系曾二爺公眾號。

一、什么是建模

人的大腦算力有限，世界又太過于復雜。需要將你的關注點抽象出簡單模型，用于問題的研究和解決。

比如數學建模，將關注的問題抽象成數學模型進行解決;比如AAARR增長黑客模型，抽象出用戶的5個生命周期進行研究和指導行動。

而數據建模便是將問題域用數據表示出。

二、業務模型

接下來我們以下面的公立校業務場景來進行探討：

老師創建作業布置到多個班級

班級里的學生做完后提交作業(一個學生只有一個班級)

這里涉四種實體(老師、作業、班級、學生)及四個業務流程(創建作業、布置作業、做作業、交作業)。

三、關系型三范式模型

服務端的同學為了在關系型數據庫中滿足業務快速增刪改查，盡量減少數據冗余，常常采用三范式進行數據建模。

針對上述業務一般會有(老師、作業、班級、學生)四種實體表和(班級-作業、學生-作業)兩個關系表。

創建作業這個業務弱化到了作業表中

布置作業體現在班級-作業關系表中

做作業和交作業融合到學生-作業關系表中

這樣我們6個表的增刪改查就可以實現這個業務。

四、數倉模型

4.1 維度建模

到了數倉我們主要將數據用于分析，一般采用維度建模將三范式模型進行重構。劃分維度和事實，建立不同層級的數據，滿足多種分析場景。

當我們需要分析的是老師布置作業到班級這個業務過程時，作業-班級就相當于事實表，維度表有班級、作業。

4.2 粒度

業務過程會有不同的粒度，比如學生-作業的粒度就比班級-作業更細。粗粒度的班級-作業能匯總學生-作業的一些信息，比如某份作業某個班級有多少人提交。

一般我們會重點建設各個業務過程的最細粒度的事實表，方便后面的多級粒度的匯總。

4.3 歷史與現在

通常來說數倉從業務庫同步過來的數據都是當前數據的一個鏡像，業務庫的模型都是針對于當前業務的，不會保存歷史的信息。比如新的學期班級表中的年級屬性會變更，業務庫就直接進行更改。

到了數倉如果我們要計算歷史作業的提交信息，那就得保存學生提交作業的當時他所在的年級。像年級慢慢變化的維度我們稱之為緩慢變化維。

處理方式既可以建立一個班級歷史信息表，關聯的時候帶上時間，也可以將年級信息‘退化’到學生-作業的事實表中不再放維度表。

4.4 多事實融合

所謂寬表既可能是多個維度退化到事實表形成的，也可能是多個有關聯的事實融合而來。

比如 文中的例子我們可以通過信息的冗余和置空實現一個最極端的寬表：老師-作業-班級-學生

該表記錄了所以老師的信息，如果沒有創建過作業那其他的信息都為空

如果老師有創建過多個作業那老師的信息冗余存儲到每條作業信息

班級和學生信息也全都記錄到這個表上，如果沒有作業信息，那老師、作業信息都為空，如果有多條作業信息也進行冗余存儲

使用的時候就需要按需去重或者過濾空值

這樣融合了多個業務流程的明細，可以支撐各種業務的分析，但維護成本、存儲成本等都是很高的。