什么是维度建模？

维度建模（Dimensional Modeling）是一种专为数据仓库和商业智能系统设计的数据组织方法，用于优化读取、报告和分析大量业务数据的性能。这种模型结构化数据的方式使得非技术用户能够更轻松地理解和查询复杂的数据集，并且可以快速获取洞察力和执行数据分析。

维度建模的核心概念包括事实表（Fact Table）和维度表（Dimension Table）：

事实表（Fact Table）：存储了度量数据（也称为“事实”），这些通常是数值型数据，比如销售额、交易数量等。事实表中的每一行代表一个业务事件或交易的事实记录。

维度表（Dimension Table）：提供了关于事实表中记录上下文的描述性信息。维度通常包括时间、地点、产品、客户、组织结构等多个方面，它们用来描述和过滤事实数据。例如，时间维度可能包含日期、月份、季度和年份；客户维度可能包含客户的姓名、性别、年龄、地区等属性。

在维度建模中，事实表通过外键与各个维度表关联起来，形成星型架构（Star Schema）或雪花型架构（Snowflake Schema）。这样设计的数据模型便于执行聚合操作和多维分析，从而满足决策支持和OLAP（在线分析处理）的需求。

维度建模用于决策制定，并侧重于业务如何表示和理解数据。基本的维度模型由维度和度量两类对象组成。维度建模尝试以逻辑、可理解的方式呈现数据，以使得数据的访问更加直观。维度设计的重点是简化数据和加快查询。

维度模型是数据仓库的核心。它经过精心设计和优化，可以为数据分析和商业智能(BI)，检索并汇总大量的相关数据。在数据仓库中，数据修改仅定期发生，并且是一次性开销，而读取是经常发生的。对于一个数据检索效率比数据处理效率重要得多的数据结构而言，非标准化的维度模型是一个不错的解决方案。

资料来源：《Apache Kylin权威指南》，文章链接：https://developer.aliyun.com/article/726203