维度建模是一种将数据结构化的逻辑设计方法，也是一种广泛应用的数仓建模方式，它将客观世界划分为度量和上下文。度量是常常是以数值形式出现，事实周围有上下文包围着，这种上下文被直观地分成独立的逻辑块，称之为维度。它与实体-关系建模有很大的区别，实体-关系建模是面向应用，遵循第三范式，以消除数据冗余为目标的设计技术。维度建模是面向分析，为了提高查询性能可以增加数据冗余，反规范化的设计技术。
上面的解释看起来是比较抽象，一下子可能不是很容易懂。我们先来了解一下事实和维度，基于上面再来分析一下。
事实，表示的是某一个业务度量。比如说订单的金额，订单中出售商品的数量。维度模型中的事实表存放的就是这些业务度量，也就是业务过程中事件的性能度量结果。《数据仓库工具箱》中有这样一段描述:
物理世界的每一个度量事件与对应的事实表行具有一对一的关系，这思想是维度建模的基本原则，其他的工作都是以此为基础建立的。
事实就是一个具体发生的业务过程的状态，以及用来描述该具体的业务过程的指标构成的一行记录，多行记录就构成一张事实表。比如一个订单就是一个事实，而<u>多个事实聚集而成的一张二维表就是事实表</u>。
维度，维度是事实不可或缺的组成部分，维度就是事实的上下文，也就是用来描述事实发生时某个方面对应的状态。像是何时、何地、何人、发生了什么、怎么做、为什么这么做等。举个具体的例子，比如在18点，小明下了一个苹果的订单，那么在这里下了订单是事实，18点是时间维度，小明是用户维度，苹果是商品维度，通过这些谓词，我们就可以了解具体发生了什么，这个也是我们多为分析的一个基本朴素的思想。这些<u>一个一个具体的维度聚集而成的二维表就是维度表</u>，一般维度都是有限的。
下面是一个具体的维度建模的例子，以订单为例。
基于上面的理解，我们就可以比较好的了解我们的维度建模了。这里我给出我个人的描述，这样会比较好理解一些。
维度建模,就是将我们的每一个业务过程，拆分为事实表和维度表，事实表对应着具体的指标度量，维度表对应着事实的描述，状态，也就事实对应的环境。
这种结构，将事实表置于中心，多个维度围绕着事实，如上图，这种结构呈现星状，所以这种模型，就叫星型模型。多个星型模型聚集在一起就叫星座模型。
从多个维度分析数据，也就叫做多维立方体分析，这里就不做过多介绍，后续在其他文章中介绍。
下面这个图可以用于理解星型模型与多维立方体分析。
需要数据仓库资料可以点击这个领取数据仓库(13)大数据数仓经典最值得阅读书籍推荐
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。