星型模式设计对于数据仓库是必要的吗？还是可以使用其他设计模式进行数据仓库建设？

我是来自SQL数据仓库领域的，我从一个平面数据源生成维度和事实表。在一般的数据仓库项目中，我们将数据源分为事实表和维度表。例如： 我完全不了解Hadoop，但我知道可以在Hive中构建数据仓库。现在，我熟悉使用GUID，在Hive中作为主键。所以，下面的策略是在Hive中加载事实表和维度...

如果请求的报告需要关于相同维度（且以相同粒度）的汇总信息，但基础数据存储在不同的事实表中，那么数据仓库设计的好方法是什么？ 例如，当薪水和支出记录在不同的事实表中时，显示每个员工每年支付的总薪水和报告的总支出的报告。或者，当销售来自一个事实表，接收来自另一个事实表时，列出每个SKU销售的每月...

我一直在尝试解决一个问题，但到目前为止我还没有能够达到最优解。我有一个维度（Features），需要在另外两个维度（Actions和Sessions）中进行引用，这两个维度都从同一事实表（UserAction）中进行引用。这会产生歧义，我无法完成模式： （注：这是模型的一部分，而非整个模型...

根据Kimball的《数据仓库工具包》， "The grain must be declared before choosing dimensions or facts because every candidate dimension or fact must be consistent...

在SQL Server 2008+中，我们希望启用对操作数据库中“Customers”表历史更改的跟踪。这是一个新表，我们的应用程序控制所有对数据库的写入，因此我们不需要像触发器这样的恶意黑客。相反，我们将把更改跟踪构建到我们的业务对象层中，但我们需要找出正确的数据库架构来使用。 行数将少于...

在维度建模的数据仓库中，为什么事实表中的度量字段通常将NULL值映射为0？ 这是因为在数据分析中，NULL值可能会导致不准确的结果。如果在计算时出现NULL值，它们将被忽略并且无法进行计算。为了避免这种情况，通常将NULL值映射为0，以确保计算的准确性和一致性。

我正在尝试在扁平的OLTP表上创建维度模型（不在第三正式化范式中）。 有些人认为维度模型表不是必需的，因为报告的大部分数据都来自单个表。但是该表包含比我们需要的更多列，例如300列。我应该仍然将扁平表分离为维度和事实，还是直接在报告中使用扁平表。

我有一个包含各种教育数据的PostgreSQL数据库，例如学校水平的考试成绩和入学人数。我需要将入学人数与考试成绩分开，因为这些数据在不同的粒度上。尽管入学人数与考试成绩数据的粒度不同，但很多维度是相同的。例如，我拥有： ~ ---------------------------------...