1、为什么要建模意义
图书，希望分门别类摆放，电脑桌面上文件希望是自己习惯组织方式。
数据模型：数据组织和存储方法。强调从业务、存取和使用角度合理存储。（烂程序员关心代码，好的程序员关系数据结构和他们间的关系）
重要性：
（1）性能：快速查询、减少IO。
（2）成本：降低计算和存储成本（减少数据冗余、结果复用）
（3）效率：提高查询效率（用户体验好）
（4）质量：改善口径不一致，减少计算错误可能性
2、关系数据库与数据仓库
目前仍大规模使用SQL加工处理，使用table存储数据，关系理论描述数据关系。大数据仅基于存储特点在关系模型的范式上有了新的选择。
OLTP和OLAP：OLTP数据操作随机读写，关注满足3NF的模型，事务处理中解决数据冗余和一致性问题。OLAP数据操作批量读写，关注数据整合和复杂查询的性能问题。
3、数据仓库建模方法论
（1）ER模型
Bill Inmon提出，从企业高度设计的一个3NF模型，用实体关系ER模型来描述企业业务，基本满足3NF理论。为数据分析决策服务，但不能直接用于分析决策。
与OLTP的3NF区别在于，站在企业角度面向主题抽象，而不是针对某一个业务流程的实体对象抽象。
三个特点：需全面了解企业业务和数据，实施周期长，成本高，模型人员要求高。
三个阶段：高阶模型（描述企业业务总体概况）、中层模型（高阶模型基础上细化数据项）、物理模型（中层模型基础上考虑物理存储和基于平台的性能物理属性设计）。
典型代表：Teradata金融行业的FS-LDM（Finacial Services Logical Data Model），10大主题。
（2）维度模型
Ralph Kimball提出，重点关注如何快速完成需求分析，同时复杂查询的响应性能。从分析决策需求出发构建模型，可直接用于分析决策。
设计步骤：选择分析决策业务过程，选择粒度，确定分析维度（维表），确定衡量指标（事实表）
典型代表：星形模型，特殊场景下使用雪花模型。
（3）Data Vault模型
Dan Linstedt提出，ER模型衍生，为实现数据整合，不能直接用于分析决策。
组成部分：hub（企业核心业务实体），Link（hub间的关系，与ER模型最大区别是将关系做为一个独立单元抽象，可提升扩展性），Satellite（hub的描述内容）
（4）Anchor模型
Lars Ronnback提出，高度可扩展模型，扩展只添加不修改。6NF，基本变成k-v结构化模型。增加非常多的join操作，主要适用于基于一小部分字段进行分析的查询，类似列式存储。
组成部分：Anchors（类似hub，业务实体，只有主键），Attributes（类似Satellite，一个表只有一个Anchors属性，k-v结构），Knots（可能会被Anchors使用的多个公共属性）
在各组成部分基础上，又细分历史和非历史。历史会以时间戳加多条记录方式，记录数据变迁历史。
4、阿里数据仓库模型建设发展阶段
（1）ODS+DSS
Oracle数据库，ODS贴源和DSS基于贴源的数据统计，无模型方法体系。
（2）ODL+BDL+IDL+ADL
MPP的Greenplum，希望使用模型改变烟囱式开发，提升数据一致性，减少冗余。ER模型+维度模型方式。
ODL（操作数据层）与源系统一致，
BDL（基础数据层）引入ER模型，进行数据整合，构建一致的基础数据模型。
IDL（接口数据层）引入维度模型，构建集市层。
ADL（应用数据层）完成应用个性化和基于展现需求的数据组装
经验总结：ER模型对于不成熟的、快速变化的业务不适用，风险特别大。
（3）维度建模为核心的公共层数据架构体系（One Data）
hadoop为代表的分布式存储计算平台，着力解决数据存储和数据共享问题。