数据仓库(04)基于维度建模的数仓KimBall架构
原创数据仓库(04)基于维度建模的数仓KimBall架构
原创
基于维度建模的KimBall架构，将数据仓库划分为4个不同的部分。分别是操作型源系统、ETL系统、数据展现和商业智能应用，如下图。
操作型源系统，指的就是面向用户的各类系统，如app、网站、ERP、CRM等系统。这一块就是我们数据仓库的数据来源，并且这类数据往往有各自的格式和内容，我们同步过来之后，需要对数据进行清洗和规范化。
ETL系统，指的就是获取、转换、加载的(Extract Transformation and Load)过程以及在etl过程中使用到的数据和数据结构这样的一个过程的集合。也就是包含etl脚本，以及etl中的数据，以及对应的结构。
ETL过程中的获取，指的是数据的同步，转换指的是对数据进行转换操作，因为数据同步过来之后，数据的格式可能不是我们想要的，数据可能有一些缺漏，数据格式可能不一致等，所以这一步，我们需要对数据进行消除拼写错误、解决领域冲突、处理错误的数据、解析为标准的格式等。加载，指的就是经过转换的数据，我们加载到我们的目标路径或者目标表之中。一般有维度建模和范式建模的表中，kimball架构使用的是维度建模。
数据展现，指的就是用户组织、存储数据，支持开发者对数据进行查询，制作报表等。数据展现中的数据，必须是维度化的、原子的，以业务过程为中心的。坚持使用总线结构的企业数据仓库，数据不应该按照个别部门需要的数据来构建。
商业智能应用，指的是开发这基于数据展现，开发出报表或者自主查询，为商业用户提供数据支持，数据分析等。商业智能应用与数据展现的区别，就是一个是针对开发者的，往往是数据库级别的展现，而商业智能应用往往是界面化的是针对普通用户的。
需要数据仓库资料可以点击这个领取数据仓库(13)大数据数仓经典最值得阅读书籍推荐
参考文章：
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。