数据模型-概述

Smartbi的数据模型基于成熟的建模理论和方法，总体的而言主要体现在两方面：模型架构和模型表关系。

模型架构

数据模型是围绕事实表和维度表的关系而进行模型的构建：

• 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支持星型模型和雪花模型：

• 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。

星型模型强调的是对维度进行预处理，将多个维度集合到一个事实表，形成一个宽表。

• 雪花模型：一个或多个维表没有直接连接到事实表上，而是通过其他维度表连接到事实表，视图就像多个雪花连接在一起。

雪花模型是对星型模型的扩展，它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的 "层次 " 区域，这些被分解的表都连接到主维度表而不是事实表。如将产品维表分解为产品类别维表。

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：

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 DAX 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）。 度量值表达式涵盖广泛，从简单的列聚合到更复杂的公式应有尽有，这为模型开发者提供了便利，因为在很多情况下都无需创建度量值： 如“订单明细”表中的“销售量”列可以通过多种方式进行汇总（包括 SUM、COUNT、AVERAGE、MEDIAN、MIN、MAX 等），无需为每种可能存在的聚合类型创建度量值 。

雪花维度

雪花维度是单个业务实体的一组规范化表 。例如：“产品”维度经过了规范化并存储在两个相关表中：产品类别维度和产品维度。这些规范化表位于事实数据表之外，形成雪花形状的设计。

在 Smartbi数据模型 中，可以选择模仿雪花维度设计，也可以将源表（非规范化）通过私有查询的方式集成到单个模型表中。如下图所示：

一般而言，单个模型表的优点比多个模型表的优点更多，最理想的决策取决于数据量和模型的可用性要求。

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。

渐变维度

模型表关系

模型设计过程中，模型表的关系也是很重要的一项内容。

一对多（多对一）关系

多对多关系

一对一关系

目前Smarbi数据模型构建仅支持一对多（多对一）和一对一关系。

模型选型

星型模型和雪花模型在架构体系中各有优劣，其对比如下：

在实际业务场景中，往往是两种模型的综合应用。