O que são medidas e dimensões em cubos

Pense em um processo ou evento que você deseja analisar.

Digamos que você esteja criando o Lougle Analytics e queira analisar as visitas (em vez de solicitações de página única) ao seu site. Visitar um site é um processo.

Uma tabela de fatos representa um processo ou evento que você deseja analisar, neste caso é uma lista de visitas ao site. Você pode ter quantas tabelas de fatos desejar, uma por processo ou evento.

Que coisas podem ser úteis para você na análise de visitas ao site?

• Informações sobre o navegador da web (marca, resolução da tela, ...)
• Informações sobre o usuário (país, estado, cidade, ISP, com base em seu endereço IP)
• Informações sobre o início da visita (ano, trimestre, mês, semana, dia)
• A duração da visita
• A página de referência, a página de destino e a página de saída (título, caminho do URL)
• O número de páginas visitadas durante a visita

Tecnicamente, você poderia colocar tudo isso em uma tabela - como faria no Excel, mas isso ficaria muito grande muito rápido, então faremos UM nível de normalização. O design dimensional geralmente é apenas "colocar tudo o que você precisa para uma análise em uma grande tabela" e depois normalizar um nível.

Então sua tabela de fatos ficará assim:

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

Ele tem vários valores-chave que se referem a valores em outras tabelas† e dois não-chaves. As não chaves são valores numéricos e são chamadas de Medidas . Você pode tirar a média do nome da marca do navegador da web? Não, então é uma dimensão. Você pode tirar a média da duração da visita? Sim, então é uma medida.

As outras tabelas são chamadas de tabelas de dimensão e a ip_addresstabela de dimensão pode ter esta aparência:

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)

Observe que não é normalizado: país pode ser derivado de cidade (localidade). No entanto, em um data warehouse, nos preocupamos em facilitar a análise primeiro. Ao facilitar a análise, quero dizer evitar junções profundas .

Observe que alguns dos dados na tabela de dimensões são hierárquicos : país > divisão > localidade. Seu servidor OLAP (espero) entende hierarquias para dar suporte a operações de busca detalhada.

Um cubo lógico é apenas a coleção de dimensões e medidas com as quais você está trabalhando. Ao contrário do cubo de Rubik, ele pode ter mais de 3 dimensões. Basta pensar em uma dimensão como uma coluna em seu conjunto de dados.

OLAP é um conjunto de operações que você pode fazer em um conjunto de dados, como pivotar, fatiar, cortar em cubos, fazer drill. Pense nas tabelas dinâmicas do Excel. Um servidor OLAP facilita as operações OLAP.

† geralmente sem chaves estrangeiras

Na imagem abaixo, que é um exemplo de um Star Schema básico. As Dimensões são as Dim_Tables.

Geralmente, esses são os valores pelos quais você deseja analisar os dados. Portanto, você deseja analisar as vendas de um determinado produto, em um determinado país, em um determinado intervalo de datas.

Na tabela fact_sales você tem apenas uma Medida que é Units_Sold.

Medidas (no nível mais simples) são apenas coisas que você deseja agregar ao analisar com base em critérios nas dimensões.

Se houver algo mais específico que você gostaria de saber, por favor me avise.