维度模型 VS 反规范化模型
Dimensional model VS De-normalized model
我只是在数据仓库的上下文中问这个问题。
维度模型和反规范化模型是相同的还是不同的？
据我从 DW 爱好者那里听说，没有所谓的规范化或非规范化数据模型。
但我的理解是，分解维度即雪花剥落是维度模型。而具有扁平层次结构维度的模型称为非规范化数据模型。两者都是数据仓库中的数据建模概念。
我需要你的专家意见。
我们可以称之为没有代理键但有主键的数据模型 - 来自运营 (OLTP) 系统的代码将 Fact-Dimension 连接在一起？
维度模型通常被认为是 'denormalised'，因为维度表的处理方式。
具有 'snowflaked' 个维度的数据仓库仍然可以称为维度模型，但这不是 Kimball 的建议，大多数人在想到维度建模时都会想到他的方法。
分解维度（即雪花化）正在规范化这些表格，维度建模（如 Kimball 所述）建议尽可能避免雪花化，尽管出于各种原因，人们当然有时会这样做。具有扁平层次结构维度的模型是一种非规范化数据模型，这是人们谈论维度模型时的主要意思。
至于没有代理键的系统：也可以称为数据仓库，也可以称为维度模型，但与 Kimball 推荐的方法相反（无论是好是坏!).
我只是在数据仓库的上下文中问这个问题。
维度模型和反规范化模型是相同的还是不同的？ 据我从 DW 爱好者那里听说，没有所谓的规范化或非规范化数据模型。
但我的理解是，分解维度即雪花剥落是维度模型。而具有扁平层次结构维度的模型称为非规范化数据模型。两者都是数据仓库中的数据建模概念。
我需要你的专家意见。
我们可以称之为没有代理键但有主键的数据模型 - 来自运营 (OLTP) 系统的代码将 Fact-Dimension 连接在一起？
维度模型通常被认为是 'denormalised'，因为维度表的处理方式。
具有 'snowflaked' 个维度的数据仓库仍然可以称为维度模型，但这不是 Kimball 的建议，大多数人在想到维度建模时都会想到他的方法。
分解维度（即雪花化）正在规范化这些表格，维度建模（如 Kimball 所述）建议尽可能避免雪花化，尽管出于各种原因，人们当然有时会这样做。具有扁平层次结构维度的模型是一种非规范化数据模型，这是人们谈论维度模型时的主要意思。
至于没有代理键的系统：也可以称为数据仓库，也可以称为维度模型，但与 Kimball 推荐的方法相反（无论是好是坏!).