从业中，数仓建模是一个数仓工程师需要的必备的能力，优秀的分层设计能够让整个数据体系更易理解和使用。所以想入行数仓数仓分层是需要补一补的，才能知道分层的意义。 很多人都不理解为什么分层，分层的意义是什么，分层有这么重要吗？是的就是这么重要，说一下我的理解： 1.理清业务数据：随着数据量和业务数据表的不断扩张，需要我们理清数据作用域，就是做什么的，可以清晰的找到数据来源。2.避免重复计算：为了避免多次计算，多次关联多张表，分层可以保存中间结果，减小开发成本。3.增加数据使用便捷性：仓库层的设计，让数据能分析，好分析，能支持大部分的数据需求。4.避免数据分歧：统一数据口径，保证数 ...

保留表(Preserved Row table) 在outer join中需要返回所有数据的表叫做保留表，也就是说在left outer join中，左表需要返回所有数据，则左表是保留表；right outer join中右表则是保留表；在full outer join中左表和右表都要返回所有数据，则左右表都是保留表。 Null Supplying table 在outer join中对于没有匹配到的行需要用null来填充的表称为Null Supplying table。在left outer join中，左表的数据全返回，对于左表在右表中无法匹配的数据的相应列用null表示，则此时右表 ...

星型模型与雪花模型，应该是数仓面试者最喜欢提的问题，也是比较容易理解的概念。    星型模型是一种非正规化的结构，多维数据集的每一个维度都直接与事实表相连接，不存在渐变维度，所以数据有一定的冗余，例图如下：    当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的 “层次 “ 区域，这些被分解的表都连接到主维度表而不是事实表。如下图，将地域维表又分解为国家，省份，城市等维表。 ...

事实表，发生在现实世界中操作型时间，其产生的可度量数值，存储在事实表中，例如交易订单表。一般有以下几种事实特性： 1.可加、半可加、不可加事实 。可加，例如pv(点击量) ； 半可加，例如数值差额，uv(用户量)；不可加，例如比率。2.NULL值处理。可以存在空值度量，但是外键不能存在空值，须用默认行而不是空值外键表示未知的或无法应用的条件。3.事实一致性。不同事实表中的事实，应保证事实的定义是相同的，且具有相同的命名，如果不兼容，则须用不同命名方式，便于应用4.周期事实。某天、某周等周期性，周期内未发生过程，也会有null或0等事实；5.累计事实，开始与结束之间可预测步骤内的度量事件；6 ...

三范式（3NF）： 第一范式（1NF）无重复的列。也叫属性不可分,像学生信息表里学生id,学生姓名，学院id，不能出现学院列，学院列又分为学院文、学院理。 第二范式（2NF）非主属性部分依赖于主关键字。学生信息表中的所有属性都依赖于学生id。 第三范式（3NF）属性不依赖于其它非主属性。学生信息表只能有学院的id(这个是其他主属性)，通过这个学院的id可以和学院的信息表关联，而不能把每个人的学院的所有信息全加上. OLTP系统数据的主要用的建模方式就是三范式，从而在事务处理中解决数据的冗余和一致性问题。ER模型（Inmon模型）和维度模型（Kimball模型） Inmon 模型 Inmon ...

命令简写 hexo n “我的博客” == hexo new “我的博客” #新建文章hexo p == hexo publishhexo g == hexo generate#生成hexo s == hexo server #启动服务预览hexo d == hexo deploy#部署服务器hexo server #Hexo 会监视文件变动并自动更新，您无须重启服务器。hexo server -s #静态模式hexo server -p 5000 #更改端口hexo server -i 192.168.1.1 #自定义 IPhexo clean #清除缓存 网页正常情况下可以忽略此条命令h ...

什么是数据仓库？以下是百度百科的定义： 数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。数据仓库的特征在于面向主题、集成性、稳定性和时变性。 从传统数仓到互联网数仓，有很多相似点也有很多不同点，有大佬曾在InfoQ写到他的一些经历，以下是链接地址：我所经历的大数据平台发展史（一）：非互联网时代 • 上篇我所经历的大数据平台发展史（二）：非互联网时代 • 下篇我所经历 ...