多维数据集中的度量和维度是什么

考虑您要分析的过程或事件。

假设您正在构建Lougle Analytics，并且想要分析对您网站的访问（而不是单页请求）。访问网站是一个过程。

事实表表示您要分析的过程或事件，在这种情况下，它是站点访问列表。您可以拥有任意数量的事实表，每个流程或事件一个。

在分析站点访问时，哪些事情可能对您有用？

• 有关 Web 浏览器的信息（品牌、屏幕分辨率……）
• 关于用户的信息（国家、州、城市、ISP，基于他们的 IP 地址）
• 关于访问开始时间的信息（年、季度、月、周、日）
• 访问时长
• 引荐页面、登录页面和退出页面（标题、url 路径）
• 访问期间访问的页面数

从技术上讲，您可以将所有这些都放在一个表中 - 就像在 Excel 中一样，但这会很快变得非常大，因此我们将进行一级标准化。维度设计通常只是“将分析所需的所有内容放在一张大表中”，然后规范化出一个级别。

因此，您的事实表将如下所示：

web_browser_key          bigint
ip_address_key           bigint
start_date_key           int
referring_page_key       bigint
landing_page_key         bigint
exit_page_key            bigint
duration_seconds         int
number_of_pages_visited  int

它有一堆引用其他表中的值的键值†和两个非键。非键是数值，称为Measures。你能取网络浏览器品牌名称的平均值吗？不，所以它是一个维度。你能取平均访问时间吗？是的，所以这是一个措施。

其他表称为维度表，ip_address维度表可能如下所示：

ip_address_key  bigserial primary key, /* use meaningless surrogate keys */
ip_address      inet unique,
country         text,
division        text,
locality        text,
latitude        numeric(8,6),
longitude       numeric(9,6)

请注意，它没有标准化：国家可以来自城市（地区）。然而，在数据仓库中，我们首先关心的是促进分析。通过促进分析，我的意思是避免深度连接。

请注意，维度表中的一些数据是分层的：国家 > 部门 > 地区。您的 OLAP 服务器（希望如此）理解层次结构以支持向下钻取操作。

逻辑多维数据集只是您正在使用的维度和度量的集合。与魔方不同，它可以有超过 3 个维度。只需将维度视为数据集中的一列。

OLAP是您可以对数据集执行的一组操作，例如旋转、切片、切块、钻孔。想想 Excel 数据透视表。OLAP 服务器有助于 OLAP 操作。

† 通常没有外键

下图中是基本星型模式的示例。维度是 Dim_Tables。

这些通常是您要用来分析数据的值。因此，您想查看特定日期范围内特定国家/地区的特定产品销售情况。

在 fact_sales 表中，您只有一个度量，即 Units_Sold。

度量（在最简单的级别）只是您在根据维度中的标准进行分析时想要聚合的内容。

如果您想知道其他更具体的内容，请告诉我。