什么叫数据仓库？
四特点：面向主题，集成的，相对稳定，保留历史
数据仓库和数据库有什么区别？
事务性数据：业务系统，交易流水，登录日志
决策性数据：主要用于查询分析
什么叫维度和度量？
维度是离散型，统计中的分类数据，区域城市
度量是连续型，温度余额
三范式理解
范式化 （时间换空间） VS 反范式化（空间换时间）
1NF要求属性具有原子性，即列不可再分解
如学生（学号，姓名，性别，出生年月日）
有些钢筋可能要问了，姓名可以拆成姓、名两列， “出生年月日” 也可以拆成年、月、日三个字段。所以就不满足第一范式了！！！这里再强调一下原子性，原子性是根据使用方便来自定义的最小单位。中国人一般姓名一起用，美国就习惯姓名分别存两字段
2NF要求记录有惟一标识，即不存在部分依赖；
表：学号、课程号、姓名、学分;
这个表明显说明了两个事务:学生信息, 课程信息;由于非主键字段必须依赖主键，这里学分依赖课程号，姓名依赖与学号，所以不符合二范式。
正确做法:
学生：Student(学号, 姓名)；
课程：Course(课程号, 学分)；
选课关系：StudentCourse(学号, 课程号, 成绩)。
3NF是对字段的冗余性，要求任何字段不能由其他字段派生出来，它要求字段没有冗余，即不存在传递依赖
表: 学号, 姓名, 年龄, 学院名称, 学院电话
因为存在依赖传递: (学号) → (学生)→(所在学院) → (学院电话) 。
正确做法：
学生：(学号, 姓名, 年龄, 所在学院)；
学院：(学院, 电话)。
数仓分层设计
贴源层:
将各个源系统的业务数据加载成结构化数据，基本不对数据内容做任何处理
清洗层:
对贴源层数据做脱敏，去重，加密，异常值处理，字段名，日期格式，金额单位等规范化，增量数据merge
中间明细层:
对相同粒度的不同明细数据合并，或者轻度汇总，建立后续分析用的公共明细表，在这一步中不一定坚持三范式原则，可能会反范式增加冗余。
数据集市:
按照各种维度或者多个组合维度汇总，一般都是一些大宽表，根据业务主题划分，集市这块可能又会拆分为汇总指标和标签，指标类似某某时间段的交易总额，某某时间段的pv，uv总之是一个周期内的度量。标签一般就定义为类似码值，枚举，极值等
应用层:
一般就认为是接口，按照业务特定需求制定的报表，可复用性低
元数据：
一般区分为业务元数据和技术元数据
业务元数据：字段码值
技术元数据：表结构信息，血缘依赖
管理元数据：人员角色、岗位职责、管理流程等信息
安全元数据：安全、权限控制、分级管理、隐私控制、流程约束