问题标签 [star-schema]

是否有一种Star Schema类型的名称，其中有一个Fact 表，该表具有单个值列，并且值的类型（度量）由维度定义？

换句话说，像这样的表：

一个值列通过外键表示不同的度量。

这种模式有名字吗？

想象一下 PostgreSQL 9.0 上具有以下结构的表：

为了简单起见，我只提到一个文本列，实际上它有十几个。该表有 100 亿行，每列有很多重复项。该表是使用 COPY FROM 从平面文件 (csv) 创建的。

为了提高性能，我想转换为以下星型模式结构：

然后，事实表将被替换为如下所示的事实表：

我目前的方法基本上是运行以下查询来创建维度表：

然后创建填充我使用的维度表：

之后我需要运行以下查询：

试想一下，通过将所有字符串与所有其他字符串进行多次比较，我得到的可怕性能。

在 MySQL 上，我可以在 COPY FROM 期间运行存储过程。这可以创建字符串的散列，并且所有后续字符串比较都在散列而不是长原始字符串上完成。这在 PostgreSQL 上似乎是不可能的，那我该怎么办？

示例数据将是一个 CSV 文件，其中包含类似这样的内容（我也在整数和双精度数周围使用引号）：

我们有超过 200,000,000 行的平面文件 (CSV)，我们将其导入到包含 23 个维度表的星型模式中。最大的维度表有 300 万行。目前我们在一台计算机上运行导入过程，大约需要 15 个小时。由于时间太长，我们想利用 40 台计算机来进行导入。

我的问题

我们如何有效地利用这 40 台计算机进行导入。主要担心的是，在所有节点上复制维度表需要花费大量时间，因为它们需要在所有节点上相同。这可能意味着，如果我们将来使用 1000 台服务器进行导入，由于服务器之间的广泛网络通信和协调，它实际上可能比使用单个服务器慢。

有人有建议吗？

编辑：

以下是 CSV 文件的简化：

导入后，表格如下所示：

维度表1

维度表2

事实表

我正在研究数据仓库星型模式和属性层次结构，我很困惑，因为本书的示例没有提供样本数据来确认我对事物的理解。

书中有一个销售数据仓库，其中包含具有以下属性层次结构的产品维度：PRODUCT(AllProducts, ByProductType, OneProduct)

见下图：

什么样的样本数据会进入产品维度表？

产品

AllProducts ByProductType One产品

? ? ?

? ? ?

? ? ?

如果我没记错属性是表列或字段，我无法理解该表中的数据如何

如果从同一张图像中获取维度时间，则可以轻松地对数据进行采样：

时间

年 季 月 周

2010 1 1 1

2010 1 1 2

2010 1 1 3

2010 1 1 4

我感到困惑的另一件事是数据在事实表中的样子。书中指出，事实表会故意包含重复数据。例如，要得出一整年的销售数据，不需要即时汇总每周的销售价值，因为它们已经被计算过了。现在，如果在时间维度中，我有一个主键值 1，它同时代表一年、季度、一个月和一周，我如何才能在事实表中保存 1 整年的合计值？

时间

ID 年 季 月 周

1 2010 1 1 1

SALES_FACT_TABLE

销售时间ID ProductID

1000 1 ?

我正在寻找一些 OLAP 数据，最好是星型模式（或雪花）来测试新工具。我已经有了 Mondrian 提供的 Foodmart 数据库。数据类型并不重要，只要它具有维度和相关事实即可。尺寸越大，负载测试越好。任何人都知道我可以在哪里下载这样的数据集，最好是 SQL 或 CSV？（其他格式也可以）

我正在建立一个用于报告目的的数据集市。我是这个领域的新手，正在寻求帮助。

我有一个事实表和两个维度表。事实表只有3个字段，它的主键和外键引用两个维度表。这两个维度表包含与 1) 电话号码和 2) 分机号码相关的数据。（我不能合并这些维度表，因为它们有不同的信息）

如您所见，我的事实表没有任何定量列。

我想生成一个显示电话号码和相应分机的报告。

我可以通过对两个维度表执行连接来获取此信息。

所以我的问题是我必须为报告使用事实表吗？即我是否应该首先从电话号码表中获取密钥，在事实表上执行连接，获取分机密钥并在分机表上执行连接？

或者

只需连接两个维度表即可生成报告，因为在这种情况下可能吗？

我们必须涉及事实表吗？

谢谢阅读。

任何帮助表示赞赏。

我是 jasperETL 的新手，我必须使用 CSV 文件中的数据填充星型模式数据库。有谁知道如何执行此任务？也许有一些教程或书籍，我可以在其中找到这些信息。我在互联网上搜索，但没有发现任何关于此的内容。先感谢您。

我知道星型模式和雪花模式之间的基本区别——雪花模式将维度表分解为多个表以便对其进行规范化，星型模式只有一个“级别”维度表。但是雪花模式的维基百科文章说

“有些用户可能希望向数据库提交查询，使用传统的多维报告工具，这些查询无法在简单的星型模式中表达。这在客户数据库的数据挖掘中尤其常见，其中一个共同要求是定位客户之间的共同因素“谁购买了满足复杂标准的产品。通常需要一些雪花来允许简单的查询工具形成这样的查询，特别是如果在最初设计数据仓库时没有预期提供这些形式的查询。”

什么时候不可能在星型模式中编写查询，而对于相同的基础数据可以在雪花模式中编写？似乎星型模式总是允许相同的查询。

我被困在如何围绕我当前的 Web 应用程序组合一个星型模式（类似于 stackoverflow 的结构）。我有：

• 调查有很多问题
  • 问题有很多投票

• 问题有很多评论

  • 问题、投票和评论都附加到用户和日期

我被困在如何创建星型模式以便我可以存储和回答问题，即今天收到了多少票？问题 b 今天有什么评论，由谁评论？

任何想法都会有所帮助！

提前致谢

当我学习这个范例时，我正在基于 NFL 统计数据构建一个数据仓库——我有以下建模问题

球员可以为不同的球队效力不同的年份，同样的教练也可以在不同的职业生涯中执教不同的球队；球员也可能在不同年份扮演不同的位置（罕见但可能）

模拟不同年份球员、教练和球队之间分配的最佳方式是什么？

我会将不同年份的花名册信息存储在一个维度中吗？例如 DimTeamRoster 将有一个 TimeKey、TeamKey 和 CoachKey（因为一个团队只能有一个主教练）和一个 FactTeamRoster 和一个 TeamRosterKey、PlayerKey、Positionkey

或者我会有一个 FactTeamRoster，它有一个 TimeKey、TeamKey、PlayerKey、PositionKey？但是这种方法是否有意义，因为这个事实表不会真正存储任何度量，它只是存储那一年的分配

每种方法的其他一些可能的解决方案和优点/缺点/正确性是什么？