我正在努力弄清楚如何从多个源表创建星型模式。我在一家贸易公司工作，因此数据与用户交易活动有关。我遇到的问题是我们的数据集没有可能是维度的每个字段的主 ID。相反，我们通常使用日期和帐号的组合将我们的数据联系在一起。这是 3 个源表的示例...
我想把它变成一个星型模式，看起来像......
是我将源表非规范化为一个宽表的唯一选择（将交易加入到帐号和日期的位置，并加入帐号上的用户表），为每个维度创建键，然后将其重新规范化为星号架构？星型模式是否曾经从多个源表构建？
【问题讨论】：
标签： data-modeling data-warehouse denormalization star-schema fact-table
星型模式几乎总是从多个源表创建。
正常流程是：
【讨论】：
数据仓库与查询速度有关。数据仓库不应该关心数据完整性。它不应该清理或纠正不良数据。它只需要将所有数据收集到一个单独的记录中，即可呈现给模型进行分析。非规范化数据就是这样做的。
在星型模式中，维度彼此不了解，并且与其他维度没有关系。在雪花中，维度与其他维度相关。这就是星星和雪花的主要区别。
事件的所有元数据选项都汇总到维度中并用于切片/过滤。事件的所有可测量/计算数据都包含在事件事实中，以及对包含相关元数据的维度的引用。元数据/维度在多个事实记录中重复使用。
根据您提供的有限示例，我建议您研究退化维度和垃圾维度。您的交易和头寸数据可能需要转换为事实和维度（退化），并且您的某些标志属性可能最好放入垃圾维度。
您还应确保维度键清晰。一个维度不应有多个路径（帐号：交易 -> 仓位 -> 用户和交易 -> 用户），因为这会在查询时根据您遍历的关系导致不一致的结果。
【讨论】：