交付有效且灵活的数据仓库解决方案:第2部分：仓库设计和数据建模

维度

维度的基本结构就是层次结构。维度层次结构用于在比维度模型中测度所呈现的基本粒度更小的细节级（level of detail）来聚集业务测度，如销售总收入（Total Revenue of Sales）。本例中，操作称作上卷（roll-up）处理。上卷处理是对维度模型中的基本事实或测度执行的。

如果将测度上卷到更小的细节级（level of detail），那么终端用户就显然可以执行逆操作（下钻），该操作包含查看更详细的测度，或按照维度层次结构探索更低的细节级聚集测度。

维度建模最重要的活动之一就是捕获聚集路径或终端用户执行上卷和下钻所依照的聚集层次结构。该过程将产生维度模型，您将在稍后执行其他建模活动时扩展和修改该模型，如慢变化的时间维度的建模、维度中约束的处理以及跨维度的关系和约束的捕获。

维度建模与终端用户和业务过程紧密相关。为了使维度模型持续更长时间并适用于更多用户组，特别重要的是从概念的观点建模维度，寻找终端用户社区大致会感兴趣的基本的聚集路径和聚集级别。

您通常可以向良好定义的事实添加测度，且根本不对模型造成很大影响。然而，对于维度，这就肯定不正确了，因为维度层次结构的结构可能变得复杂。

当您在广阔的环境中考虑问题域时，将期望一个维度中具有多个不同的聚集路径。维度层次结构中的分割可以在不同的级别上出现。已经分割的层次结构可以在稍后再次进行分割。该过程可能导致复杂的模式，也许太过于复杂，以致终端用户无法处理。请咨询您的终端用户以避免不必要的纠纷。

一个通常难以做出的重要决策就是一个聚集层是否真正是（结构化）层次结构的一个元素，或它是否仅仅是维度中一项的属性。例如，将产品包装单元、品牌或存储类型作为维度路径的显式元素（即，作为维度层次结构中潜在的实体类型）是否是明智或必要的呢？或者是否可以仅仅将它们考虑成产品的属性呢？

查找维度（如 Product 维度）中的基本聚集路径通常意味着调查维度中的许多典型关系。

构造或结构化关系：信息分析员使用这些关系来探索产品及其组件之间的构造性关系。例如，通过与产品组件相关的成本和产品构造相关的成本，它们可以用于计算产品成本。

变化（Variation）关系：变化用于就产品模型、版本、实现、组件混合、调配等而言区分产品。

变化还可用于指定产品替换。信息分析员使用变化关系来组合相关产品和聚集相关测度，因为较低级类别的产品可能只存在于一段有限的时期内，或者因为它们频繁用于在某一过程中相互替换（例如，当“初始”产品缺货，而将某一版本的产品卖给客户时）。

分类关系：分类是将相似的产品分成组。关系分类显然是产品之间出现最频繁的关系，信息分析员用于上卷详细的测度。请注意，通常需要多个不同类型的分类。例如，可以根据面向销售、面向制造、面向储备或面向供应的特点来对产品进行分类。信息分析员将分类用于统计组中的聚集测度，统计组有总数、平均数、最小值和最大值等。