我想我知道域表是什么（它基本上包含了其他一些列可以包含的所有可能的值），并且我在维基百科中查找了维度表。不幸的是，我很难理解他们在那里的描述，因为他们用另一个术语解释它：“事实表”，其解释为“由业务流程的度量，指标或事实组成” “。对我而言，这是非常重言同义的，not helpful。有人可以用普通英语解释这个吗？
答案 0 :(得分：4)
简短版本：
这是一个简单的长版本：
您从一些事实开始。例如，您的公司收到的每一笔销售，包括日期，产品，价格，地理位置，客户名称 - 无论您的信息的完整组合如何 - 每次销售。你可以把这些事实放在一张大桌子里。
您要运行的各种查询原则上是对事实表的一些相当简单的查询。但是，你的事实表变得非常庞大。您需要更快地进行查询。
（1）让它更快的第一个技巧是将数据移出它，因此它更小。因此，您可以获取“长文本”的每一列，将其可能的值放入域表中，并将原始列替换为该表中的id。这将使您的事实表变得更小，如果需要，您仍然可以获取原始数据。这使得查询所有行的速度更快，因为它们占用的数据更少。
如果你有足够小的数据集来查询整个事实表是可以接受的快，那就没关系。但是很多公司都有足够的数据，所以他们必须更聪明。
（2）使其更快的第二个技巧是预先计算查询。这是一种方法。确定一组维度，然后沿维度和维度组合预先计算。
例如，客户名称是一个维度，一些查询是按客户名称，其他查询是所有客户。因此，您可以在事实表中添加预先计算的事实，这些事实已在所有客户中预先汇总数据，并且客户名称已成为一个维度。
维度的另一个好选择是地理位置。您可以添加按县，州和所有位置聚合的摘要记录。在完成客户名称汇总之后完成此总结，因此它将自动记录给定邮政编码中所有客户的总销售额。
对任意数量的其他尺寸重复。
现在当有人提出查询时，很有可能他们的查询可以被重写以利用您预先聚合的维度，只查看一些预先汇总的事实，而不是所有单独的销售记录。这将大大加快查询速度。
在实践中，这比预期聚合更多。因此，构建数据仓库的人做了一些聪明的事情，这些事情让他们可以牺牲预先聚合的组合，而这些组合是没有人可能想要的，而不是需要预先计算组合的运行时工作。
如果您愿意，可以从http://en.wikipedia.org/wiki/Star_schema开始 我想深入探讨这个话题。
答案 1 :(得分：0)
事实表和维度表一起构成了一个星型模式。 Star Schema是SQL表中多维数据模型的表示。多维数据模型将统计信息“事实”存储为多维空间中的值，其中每个维度中的“位置”为事实建立上下文的一部分。多维数据模型是在推进data warehousing概念的背景下制定的。
维度表提供每个维度的关键字以及与该维度相关的属性。
MDDB可以存储在专门为此目的而构建的数据立方体中，而不是使用SQL（关系型）数据库。 Cognos是一家拥有自己的数据立方体产品的供应商。与使用特殊用途的数据立方体产品相比，使用SQL数据库和星型模式有一些优点。使用数据立方体产品还有其他优点。有时，SQL + Star模式方法的优势超过了数据立方体产品的优势。
通过设计Snowflake Schema而不是Star模式，可以获得规范化所获得的一些优势。但是，星型模式和雪花模式都不会免于更新异常。它们通常用于数据仓库或报告数据库，将数据从操作数据库复制到其中一个数据库中是一项编程挑战。为此目的出售了一些工具。
答案 2 :(得分：0)
事实表是包含业务流程的度量或度量或事实的表。例如：
大多数是添加剂（销售，利润），有些是半添加剂（余额为），有些不是添加剂（单价）。
Fact表中的详细程度称为＆＃34; grain＆＃34;该表的格式，即粒度可以是精细的或粗糙的。事实表还包含维度表的外键。
而Dimension Tables是那些包含有助于描述事实表事实的属性的表。
以下是维度表的类型：
要了解更多信息，您可以浏览Data Warehousing Tutorials