如何設計資料倉儲？粒度問題是一個最重要方面！

粒度是指資料倉儲的資料單位中儲存資料的細化或綜合程度的級別。細化程度越高，粒度級就越小；相反，細化程度越低，粒度級就越大。


資料的粒度一直是一個設計問題。在早期建立的操作型系統中，粒度是用於訪問授權的。


當詳細的資料被更新時，幾乎總是把它存放在最低粒度級上。但在資料倉儲環境中，對粒度不作假設。下圖說明了粒度問題。

在資料倉儲環境中粒度之所以是主要的設計問題，是因為它深深地影響存放在資料倉儲中的資料量的大小，同時影響資料倉儲所能回答的查詢型別。在資料倉儲中的資料量大小與查詢的詳細程度之間要作出權衡。


粒度的一個例子


左邊是一個低粒度級，每個活動(在這裡是一次電話)被詳細記錄下來，資料的格式如圖所示。到月底每個顧客平均有2 0 0條記錄(全月中每個電話都記錄一次)，因而總共需要40 000個位元組。

該圖的右邊是一個高粒度級。資料代表一位顧客一個月的綜合資訊，每位顧客一個月只有一個記錄，這樣的記錄大約只需2 0 0個位元組，記錄的格式如圖所示。


顯然，如果資料倉儲的空間很有限的話(資料量總是資料倉儲中的首要問題)，用高粒度級表示資料將比用低粒度級表示資料的效率要高得多。


高粒度級不僅只需要少得多的位元組存放資料，而且只需要較少的索引項。然而資料量大小和原始空間問題不是僅有的應考慮的問題。為了訪問大量資料，其處理能力的大小同樣也是應考慮的一個因素。


所以，在資料倉儲中資料壓縮非常有用。當資料被壓縮後就會大大節省所用的DASD儲存空間，節省所需的索引項，以及節省處理資料的處理器資源。


但是，當提高粒度級時，資料壓縮就會出現另一個問題，下圖中表示作出的選擇。


當提高資料粒度級時,資料所能回答查詢的能力就會隨之降低。換句話說,在一個很低的粒度級上你實際可以回答任何問題,但在高粒度級上,資料所能處理的問題的數量是有限的。





在一個D S S環境中這種查詢型別是非常常見的。當然，它既可以在高粒度級上也可以在低粒度級上得到回答。但在回答這個問題時，在不同的粒度級上所使用的資源具有相當大的差異。在低粒度級上回答這個問題需要查詢每一個記錄，所以需要大量的資源來回答這個問題。


但在高粒度級上，資料進行了很大的壓縮，而且能夠提供一個答案。如果在高粒度級上包括了足夠的細節，則使用高粒度級資料的效率將會高得多。


在管理資料的粒度問題中的權衡如圖所示。在設計和構造資料倉儲之初就必須仔細考慮這種權衡。