Question

我现在正试图了解数据仓库，但我真的无法得到它。我的问题并不是非常具体，但我只是想让某人向我解释数据仓库的想法。

我现在正在尝试从SO's database创建数据仓库。

在这个数据库中有8个表，对于那些使用SO的人来说，它们是非常明显的：

1。尺寸
尺寸是多少？这是我不了解的重要部分。对我来说，我看到7个维度：徽章，评论，帖子，帖子后链接，标签，用户和投票。但后来我没有看到使用数据仓库的重点，维度就是表格。

- 日期应该是一个维度吗？什么日期？每个评论和帖子？
- 将Post分成问题维度和答案维度是否相关？ - 我可以放哪些其他尺寸？

2。事实表
如何将所有外键（userId，postId，commentId ...）放在一个表中？例如，我们假设用户发布了一个问题，但没有评论。我的事实表中有一行用userId，postId在commentId列中是NULL吗？

措施。我在考虑事实表中的以下措施：问题数量，用户数量，标签数量......

有人可以告诉我我是否朝着正确的方向前进吗？

Answer 1

构建数据仓库时必须回答的第一个问题是＆＃34;我想回答什么问题？＆＃34;

使用Stack Overflow作为一个例子，一个问题可能是，＆＃34;过去两年每个月有多少关于X的帖子？＆＃34;

要回答这个问题，我们需要创建帖子和帖子标签事实表。由于这些表只是选择和插入，我们可以对事实数据进行非规范化，以便更容易选择。

因此，我们可能会有一个类似于此的Post事实表。

Post
----
Post Number
Post Text
Post Timestamp
Post Tag 1
Post Tag 2
Post Tag 3
Post Tag 4
Post Tag 5

根据时间戳和逐月进行选择会有些简单。我们只关心前5个帖子标签，如果其中一些标签为空，我们也不在乎。

现在，您不必对数据进行非规范化。通常，如果对数据进行非规范化，查询运行速度会更快。

您对其他可用数据执行相同操作。你想回答什么问题？

Answer 2

如果你试图绕过DW的概念，那么Stack Overflow可能不是最好的数据模型。它不包含许多“传统”事实。我立刻想到的唯一例子是Up / Down投票和用户排名。

你会发现许多我们称之为“无事实的事实”。这些基本上将多维度的交集视为一个事实，只有隐含的“计数”作为唯一的事实。例如，在Post Fact中，它只是在用户，日期，SO数据库等的交叉点上计数。

您可能会考虑使用诸如Junk维度之类的概念来支持引用Fact表中的Tags。这将看到您为每个唯一的标签组合分配一个伪键，然后这个键将存储在Fact表中。

如果您想了解DW，请使用您的个人财务，这就是我学习的方式。您可以通过帐户余额了解快照事实，了解购买交易事实，还可以创建供应商和帐户维度等。