...
- 事实表：是数据模型中的中央表，它包含联系事实与维度表的数字度量值和键。事实数据表包含描述业务（例如产品销售）内特定事件的数据。
- 维度表：是维度属性的集合，是分析问题的一个窗口，是人们观察数据的特定角度，是考虑问题时的一类属性，属性的集合构成一个维。
Smartbi支持星型模型、雪花模型和星座模型：Smartbi支持星型模型、雪花模型和星座模型、单表模型。
星型模型
星型模型：所有维表都直接连接到事实表上，整个视图就像星星一样，视图如下：
...
星座模型：包含多个事实表，维表是公共的，可以共享，视图如下：
该模型类型在Smartbi数据模型设计中呈如下视图：
单表模型
指标、维度、属性关联在一起的一张表，如下图：
模型相关概念
我们在Smartbi设计数据模型架构前，需要对模型设计紧密相关的概念有清晰的认识和理解：我们在Smartbi设计数据模型架构前，需要对模型设计紧密相关的概念有清晰的认识和理解；维度建模的概念，并不是Smartbi提出来的，早在很久之前，就有维度建模的概念，相关的名称也都是已存在的。
度量值
度量值是存储要汇总的值的事实数据表列。
Smartbi数据模型中的度量值表达式通常利用 聚合函数（如 SUM、MIN、MAX、AVERAGE 等）在查询时生成标量值结果（值永远不会存储在模型中）。
...
在选择集成到一个模型表中时，还可以定义一个层次结构，其中包含维度的最高和最低粒度。 冗余非规范化数据的存储可能会增加模型存储大小，尤其是在维度表很大的情况下。
角色扮演维度
角色扮演维度是能以不同方式筛选相关事实的维度 。 例如，在Northwind中，订单维度表与订单销售明细事实之间有三种关系：可以使用同一维度表中按订单日期、发货日期或交货日期筛选事实。
数据仓库中接受的设计方法是定义单个日期维度表。 在查询时，日期维度的“角色”是通过用于联接表的事实列建立的。 例如，在按订单日期分析销售情况时，表联接与订单日期列相关。
在Smartbi数据模型中，我们用一种常见的建模方法解决，就是为每个角色扮演实例创建维度类型表。 该模型可以包含日期表、发货日期表和交货日期表，每个表与其对应的销售表列之间都存在单一且活动的关系 。
杂项维度
如果有多个维度，特别是包含几个属性（可能只有一种）并且这些属性的值很少时，则杂项维度非常有用 。
合适的候选项包括订单状态列或客户人口统计列（性别、年龄分组等）。
杂项维度的设计目标是将多个“小”维度合并为一个维度，以减少模型的存储大小，还可以通过呈现更少的模型表来缓解“字段”窗格的混乱情况 。
杂项维度表通常是所有维度属性成员的笛卡尔积，具有唯一标识列。 可以在数据仓库中构建维度，也可以通过使用Smartbi数据模型中的私有查询创建，并此查询作为维度类型表加载到模型中。
退化维度
退化维度指的是筛选所需的事实数据表的属性 。 我们的northwind中就有一个例子，就是销售订单号。 在这种情况下，创建仅包含这一列的独立表对模型设计并没有什么积极作用，因为这会增加模型的存储大小，并导致“字段”窗格混乱 。
...
