数据仓库的两种建模
2013-09-27 23:33
316 查看
1,自下而上(适合先建立数据集市)又称为总线架构(kimball)
按用户的需求通过螺旋发展的过程来设计数据仓库,第一步是根据特定业务过程按照维度模型建立数据集市,
然后通过一系列维度相同的数据集市递增地构建成数据仓库。不同数据集市之间通过创建一致性维度来集成,
每次增加数据集市都必需整合一致性维度,并将整合好的一致性维度同步更新到所有的数据集市。在这种方法中,
可以把数据集市理解为整个数据仓库系统的逻辑子集。
搭建方法:面向过程,应用驱动
优点:开发周期短,能比较快的满足需求
缺点:不适宜后期多个数据源的整合
2,自上而下(直接搭建数据仓库)又称集线器架构(inmon)
第一步进行全企业的数据建模和数据整合,按照ER模型建立数据仓库,然后对于各种部门级的应用再建立数据集市,
数据集市的数据全部来源于统一的企业级数据仓库。这种架构需要在初级阶段站在整个企业环境的角度完成企业级的数据模型规划与设计工作,
需要企业内每个业务线的参与,达成概念和数据的完整性。
搭建方法:面向主题,数据驱动。
按用户的需求通过螺旋发展的过程来设计数据仓库,第一步是根据特定业务过程按照维度模型建立数据集市,
然后通过一系列维度相同的数据集市递增地构建成数据仓库。不同数据集市之间通过创建一致性维度来集成,
每次增加数据集市都必需整合一致性维度,并将整合好的一致性维度同步更新到所有的数据集市。在这种方法中,
可以把数据集市理解为整个数据仓库系统的逻辑子集。
搭建方法:面向过程,应用驱动
优点:开发周期短,能比较快的满足需求
缺点:不适宜后期多个数据源的整合
2,自上而下(直接搭建数据仓库)又称集线器架构(inmon)
第一步进行全企业的数据建模和数据整合,按照ER模型建立数据仓库,然后对于各种部门级的应用再建立数据集市,
数据集市的数据全部来源于统一的企业级数据仓库。这种架构需要在初级阶段站在整个企业环境的角度完成企业级的数据模型规划与设计工作,
需要企业内每个业务线的参与,达成概念和数据的完整性。
搭建方法:面向主题,数据驱动。
相关文章推荐
- 数据仓库(五):数据仓库的概念建模与概念设计-Golfarelli
- 数据仓库建模与ETL实践技巧
- 数据仓库建模与ETL实践技巧
- 数据仓库的架构主要有星型和雪花型两种方式
- 数据仓库建模与ETL实践技巧
- 两种数据仓库建构理论Bill Inmon vs. Ralph Kimball
- 数据仓库建模:浅析多值维度
- 数据仓库建模与ETL实践技巧
- 数据仓库建模(Data Warehousing)学习笔记
- 浅谈数据仓库建设中的数据建模方法
- 数据仓库中维度建模
- 浅谈数据仓库建设中的数据建模方法
- 数据仓库建模与ETL实践技巧
- 数据仓库建模方法初步
- 深入探讨数据仓库建模与ETL的实践技巧
- 数据仓库工具箱:维度建模的完全指南
- 数据仓库建模:星型模式和雪花模式
- 两种数据仓库建构理论Bill Inmon vs. Ralph Kimball
- 数据仓库建模与ETL的实践技巧
- 数据仓库建模与ETL的实践技巧