自上而下和自下而上的方法中的维度建模。

Question

在这两种数据仓库方法中，维度模型的使用方式有何不同？

据我所知，使用自下而上方法创建的数据仓库将数据集市作为数据仓库的构建块，每个数据集市都有自己的维度模型。自上而下的方法是一样的吗？ Inmons方法是否使用维度模型？

Answer 1

Kimball的方法使用（集合）数据集市和一个共同的“维度总线”作为数据仓库。

Inmon的方法将面向主题的规范化结构作为仓库，然后从该结构中将数据导出到数据集市，这些数据集市可能（或可能不）是星形的Kimball。

对于非常大的仓库，由于在Kimball型架构中引入了主数据管理结构/存储，这两种架构会聚 - 至少变得相似 -

在Inmon的网站上有一篇名为A Tale of Two Architectures的白皮书，很好地总结了这两种方法。

Answer 2

维度建模是一种有时用于数据集市的设计模式。由于尺寸模型中的冗余和内置偏差，它不是一种非常有效的复杂数据仓库设计技术。 Kimball的“自下而上”方法试图通过将一组数据集市称为“数据仓库”来回避这个问题 - 这个借口在今天看起来远不如20世纪90年代Kimball首次提出时那么可信。

Inmon建议使用Normal Form作为构建数据仓库的最灵活，最强大和最有效的基础。