非正规化时有多深

Question

我对OLTP数据库进行规范化以用于DWH。 目前，我正在使研究小组不规范。

• 每个研究组都有一个指向一个项目的钥匙。
• 每个项目都有一个指向1个部门的密钥。
• 每个系都有一个指向一所大学的钥匙。
• 每所大学都有指向一个城市的钥匙。

现在我知道您应该对OLTP的sh * t进行规范化处理，但是在这个dwh部门中，它将是一个独立的维度。这也适用于大学。从研究组添加指向部门的密钥就足够了吗？还是尽可能地进行规范化并将部门中的所有属性以及与M：1相关的表中的所有属性添加到维度研究组是否更明智？即使部门和大学将自己确定规模？

换句话说：非正规化时您走了多深？

Answer 1

维模型背后的关键概念是：

• 将事实表保留为3NF（第三范式）；
• 将尺寸反规范化为2NF（第二范式）

因此，理想情况下，模型中应该唯一的联接是事实表和相关维之间的联接。

作为这种哲学的一部分：

• 避免使用“雪花”设计，因为这些尺寸包含其他尺寸的关键点。总是有可能想出一个数据模型，该模型具有与雪花相同的功能，而不会违反3NF / 2NF规则；
• 在两个单独的维度（即部门和研究小组）之间直接没有任何直接连接。维度之间的所有关系都必须通过事实表来解决；
• 在两个单独的事实表之间绝对没有任何直接联接。事实表之间的任何关系都必须通过共享维来解决。

最后，考虑到维度设计除了用于查询的数据优化之外，还具有第二个重要目的：它是企业的语义模型（或其代表的任何其他事物）。因此，在做出有关将数据元素组合为维度和事实的决策时，请考虑其“逻辑相似性”-它们对最终用户应具有直观意义。如果您很难向BI分析师解释维度或事实表的含义，则很可能是您犯了建模错误。

例如，在您的情况下，您应该考虑大学，系，研究组等之间的逻辑关系。大学/系很可能形成自然的等级体系。如果是这样，则它们应属于同一维度。另一方面，研究组可能不会-假设，有可能在多个大学和/或多个部门中组成研究组。如此之多：许多关系清楚地表明它们应该通过事实表来解决。此外，大学与科系之间的关系是稳定的（很少发生变化），而研究组的形成和解散则非常频繁，因此应分别建模。

通常，如果您看到维元素之间的1：1或1：M关系，通常表明它们应该被归一化到同一张表中（同样，仅当它们的组合具有逻辑意义时）。如果关系是M：M，则很可能它们属于不同的表（您可以将它们强制置于同一表中，但此类表通常看起来像科学怪人生物）。

通过使问题更加具体化，您可以获得更好的帮助-绘制尺寸模型，将其发布并询问您遇到的特定问题/挑战。对于一般概念，Kimball和Inmon的书是您最好的朋友。