Data Mart星型模式开发解决方案

Question

我必须将数据库转换为DM，但我有一些疑问，这是数据库架构：

http://i.stack.imgur.com/PHha1.png

这是一个简单的数据库，用于存储作者，书籍和其他各种东西（作者表的外键是错误的，表格是＃34;书＆＃34;另一个字段叫做年份）。我应该建立一个DM来分析作者如何运作多年（合着者和书籍）。我想添加一个方法来查看作者的引用... DM我的建筑是这样的：

http://i.stack.imgur.com/MPCTL.png

现在我的疑问是：如何在此数据集市中添加引用？

PS for citation我指的是一本引用作者的书，我正在使用水壶和penthao

Answer 1

引文和图书作者的粒度不同。因此，它们应该在不同的事实表中。

我该怎么做：

1. 引文事实表：谷物是1本书中1人的引用。外部键用于时间维度，引用作者维度，作者维度，书籍维度以及您可能需要的任何其他内容。此数据集市可直接为您提供人员X的引用计数，按时间分类，书籍作者等。

2. 作者事实表：人们可能认为谷物是一本书，但实际上并非如此。粮食是1本书的作者。这是最原子级别的数据。要获得图书计数，您可以定义由1人共同撰写的1本书计为1本书，计为0.5，1 /共同作者的数量或任何其他有用的度量。如果您还想计算书籍，则应使用1 / N指标以及您认为有用的任何其他指标。

3. 共同作者关系：试图确定发表最多的作者：这比较棘手。这里的事实粒度也是作者，但每对共同作者可用1个条目。所以，如果阿尔伯特，比尔和查尔斯写的是一本书，那么你将获得1篇作者艾尔伯特和共同作者比尔的作品，一篇作为作者的艾伯特和作为共同作者的查尔斯等（所有6种组合）。这使您可以获得作者及其合着者的完整列表，并计算他们出现的次数，但所有内容都会显示为双重计算：Albert + Bill和Bill + Albert两次出现。过滤掉重复项的最佳方法是按字母顺序定义＆＃34;作者，其中Albert + Bill，Albert + Charles和Bill + Charles存储但不存储其他人，或者在客户端，删除重复项查询后处理。

要合并来自多个数据集市的多个指标，您应该在可视化工具中添加一个后处理图层，以交叉引用所有这些结果。

最后，有一条评论：这个问题似乎没有得到数据集市的最佳处理。书籍元数据没有固定的数据模式，无模式结构可能最适合进行所有搜索（查看Elastic Search和Mongo DB，它们可能更适合这个特定问题。