建模数据仓库中的多对多关系

Question

我必须为我大学的班级设计数据仓库模型和 ETL 流程。我的数据仓库必须存储关于产品的意见/cmets，每条记录应包括：

• 评论文本（字符串）
• 产品评分（{0, 0.5, ... , 4.5, 5}）
• 评论作者（字符串）
• 评论日期（Date）
• 产品推荐（{Yes, No}）
• 评论投票（国际）
• 评论否决票 (Int)
• 产品专业人士（许多字符串，例如{价格、设计、耐用性……}）及其数量
• 产品缺点（许多字符串，例如 {太大声、太重、价格……}）和 它的计数

另外数据仓库应该存储有关产品的信息：

• 产品类别
• 产品品牌
• 产品型号

我想先创建数据仓库模型，但由于是多对多关系，我无法存储产品的优缺点。在普通的关系数据库中，我会简单地创建关联表，但在这里我不确定如何进行，毕竟我不想规范化事实表。

我正在考虑 3 种方法，第一种方法如下图所示。我使用桥接表方法（虽然，我不知道是否正确）来摆脱多对多关系。我不知道它会如何影响查询性能。

我可能使用的第二种方法是布尔列方法。在 PROS 和 CONS 表中，我可以为每个可能的值创建一个列，但最多可以有 100 个不同的优点或缺点。此外，可能的优点或缺点的数量在时间上也不是恒定的。他们的 cmets 中的作者可以列出新的优缺点（这就是它在数据源中的工作方式），但我不能添加新列（我不应该更改数据仓库中的数据）。

我正在考虑的第三种方法是将专业人士保留在 PROS 表中，但在 1 列中，其中值将使用逗号或其他一些分隔符分隔，例如“价格、设计、颜色”。它使事情变得简单，但难以分析或切分。

在这种情况下我应该使用哪种方法？哪个更适合将数据加载到数据仓库中，因为表单数据源我将获取所有 cmets，并且我只想加载自上次加载以来新的 cmets？

Answer 1

我的想法是，如果我们可以将您的第一个选项稍微修改为比您在此处所说的内容，那将是我理解的最好的选择。

在您提供的图像中，拥有 Pros_Bridge_Detail 表就可以了。其余的都需要改变。

• 您可以删除仅包含计数的 pros_Bridge 表。您实际上可以将该列添加到您在那里的 COMMENT 事实表中。当涉及到查询而不是在许多表中查询时，这将更高效、更容易。
• 您说您有很多方面可以提供给专业人士，例如价格、设计、耐用性等。让我们把这些东西放到一个单独的维度中。
• 在您的 Pros_Bridge_Detail 表中添加一个新列，以保存新创建的包含产品专业类型（设计、耐用性等）的维度的 ID。 现在，一旦您添加了产品 Pro，Pros_Bridge_Detail 表将包含用户提供的 pro，并且还会保存通过新维度的 ID 为 pro 提供的值。
• 另外，不要忘记将评论 ID 也存储在 Pros_Bridge_Detail 表中，因为这将是您拥有的评论事实表的链接 (FK)。

Cons 也可以这样做。

希望您理解我刚才解释的内容，并希望对您有所帮助。如果您有任何问题，请告知。