文章的內容來自於大資料之路以及**
資料倉儲之父bill inmon提出的建模方法是從全企業的高度設計乙個3nf的模型,用實體關係（entity relationship,er）模型描述企業業務，在正規化理論上 符合3nf。資料倉儲中的3nf與oltp系統中的3nf的區別在於,它是站在企業角度面向主題的抽象，而不是針對某個業務流程的實體物件關係的抽象。其具體的特點如下：
1.需求全面了解企業業務的資料。
2.實施週期非常長。
3.對建模人員的能力要求非常高。
採用er模型建設資料倉儲模型的出發點是整合資料，將各個系統中的資料以整個企業角度按主題進行相似性組合和合併，並進行一致性處理，為資料分析決策服務，但是並不能直接用於分析決策。
其建模的步驟分為三個階段：
1.高層模型：乙個高度抽象的模型，描述主要的主題以及主體間的關係，用於描述企業的業務總體概況。
2.中層模型：在高層模型的基礎上，細化主題的資料項。
3.物理模型(也叫底層模型)：在中層模型的基礎上，考慮物理儲存，同事基於效能和平台特點進行物理屬性的設計，也可能做一些表的合併、分割槽的設計等。
er模型在實踐中最典型的代表是teradata公司基於金融業務發布的fs-ldm(financial services logical data model),它通過對金融業務的高度抽象和總結，將金融業務劃分為10大主題，並以設計面向金融倉庫模型的核心為基礎，企業基於此模型做適當的調整和擴充套件就能快速地實施。
fs-ldm的相關知識看:
維度模型是資料倉儲領域的ralph kimball 大師所倡導的，他的the date warehouse toolkit-the complete guide todimensional modeling 是資料倉儲工程領域最流行的資料倉儲建模的經典。
維度建模從分析決策的需求出發構建模型，為分析需求服務，因此它重點關注使用者如何更快速地完成需求分析，同事具有較好的大規模複雜查詢的相應效能。其典型的代表是星形模型，以及在一些特殊下使用的雪花模型。其設計分為以下幾個步驟。
1.選擇需要進行分析決策的業務過程。業務過程可以是單個業務事件，比如交易的支付、退款等。也可以是某個事件的狀態，比如當前賬號的餘額等。還可以是一系列相關業務事件組成的業務流程，具體需求看我們分析的是某些事件發生的情況，還是當前狀態或是事件流轉效率。
2.選擇粒度。在事件分析中，我們要預判所有分析需要細分的程度，從而決定選擇的粒度。粒度是維度的乙個組合。
3.識別維表。選擇好粒度之後，就需要基於此粒度設計維表，包括維度屬性，用於分析時進行分組和篩選。
4.選擇事實。確定分析需要衡量的指標。
從業務角度出發來考慮
er模型是用實體加關係描述的資料模型描述企業業務架構，在正規化理論上符合3nf，是以業務功能為出發構建資料模型，而不是針對某個具體業務流程的，面向功能性模組開發。
維度建模以分析決策的需求為出發點構建模型，一般有較好的大規模複雜查詢的響應效能，更直接面向業務，典型的代表是我們比較熟知的星形模型，常用就是事實表關聯很多維度表、退化維度形成寬表、根據某主題下的業務過程進行建模，往往是維度建模友好度更高，面向分析式模型開發。
從易用性和交付效率方面來考慮
er模型是規範性好、冗餘少、但缺點是需要全面了解企業業務、資料和關係，對於建模人員要求很高，實施週期非常長，人力成本昂貴，對於乙個新人來說不可能在短時間上手的，對於運營人員來說，如果他們想要自己進行查資料的話，難度會有些高。
維度建模相對能快速上手，快速交付，運營人員只需要根據我們的資料字典，查詢自己所屬的業務模組對應的業務過程，乙個簡單的select語句就可以搞定所有事情，但缺點是冗餘會較多，不過在當今時代，儲存儲存可以忽略不計。
從儲存和計算層面來考慮
er模型是完全遵守3nf，當查詢資料時，需要進行多表關聯查詢，這時候隨著資料量幾百億幾千億的情況下，會大大的降低執行效率並且算力越來越多，最終導致計算成本都要不斷的累加，在儲存方法由於規範性好，資料冗餘比較小。
維度模型是面向業務過程，由於所有主題資料和業務過程資料都已經提前處理好了，在進行查詢資料的時候，相對er模型來講，就不需要那麼多的關聯查詢，大大提高了執行效率和減低算力、人力成本，但是資料冗餘可能會較多，但是將多個源的資料以文字的形式儲存在分布式系統中，儲存成本（列式儲存）並不需要那麼多成本。但是從儲存、計算、成本、交付、易用性等多方面考慮取平衡值，還是維度模型更實用。
從應用系統出發來考慮
er模型更適應於oltp系統，維度模型更適用於olap系統。
資料倉儲建模方法初步
一 前言 資料倉儲得建模方法同樣也有很多種，每一種建模方法其實代表了哲學上的乙個觀點，代表了一種歸 納，概括世界的一種方法。目前業界較為流行的資料倉儲的建模方法非常多，這裡主要介紹正規化建模法，維度建模法，實體建模法等幾種方法，每種方法其實從本質 上講就是從不同的角度看我們業務中的問題，不管從技術層...
資料倉儲 建模
粒度概述 粒度問題時設計資料倉儲的乙個最重要方面。粒度時指資料倉儲的資料單位中儲存資料的細化或綜合成都的級別。細化程度越高，粒度就越小 相反，細化程度越低，粒度級就越大。資料的粒度一直時乙個設計問題。資料倉儲環境中粒度之所以時主要的設計問題，是因為它深深地影響存放在資料倉儲中的資料量的大小。同時影響...
資料倉儲建模
一 資料倉儲建模的意義 如果把資料看作圖書館裡的書，我們希望看到它們在書架上分門別類地放置 如果把資料看作城市的建築，我們希望城市規劃布局合理 如果把資料看作電腦檔案和資料夾，我們希望按照自己的習慣有很好的資料夾組織方式，而不是糟糕混亂的桌面，經常為找乙個檔案而不知所措。資料模型就是資料組織和儲存方...