本文根据《数据仓库建模的完全指南》（第二版）摘录：
1：数据仓库必须由业务用户的需求来驱动，并因此从一个简单的维度视角来建立于展示数据仓库这样的概念；
2：对数据仓库，业务才是第一位的；
3：操作性系统：存入数据；数据仓库：取出数据；
4：数据仓库在需求、客户、体系结构和运行机制与操作性系统有很大不同；
5：客户的烦恼：不能访问数据；切割数据；快速访问；不同系统间不同编码；
6：数据仓库：易阅读的、并且精心组织，可信而安全；
7：EAI：企业应用一体化，所有系统按一定的视角来统一设计；
8：数据仓库的4个环节：操作源系统、数据聚集、数据展示和数据的存取；
9：ETL：数据析取转换和加载；转换如拼写错误、丢失补充、标准化格式、多数据源组合、重复数据消除、仓库
关键字的分配；
10：维度模型是为数据仓库用户提交数据最可行的技术手段；
11：维度建模和3NF范式建模的不同；
12：数据仓库维度建模要求：必须包含原子数据、一致性维度和事实；符合数据仓库总线结构；
13：总线结构是构造分布式数据仓库系统的秘诀；
14：元数据；
15：ODS：操作数据的存储，一般没有必要；
16：可加性、半加性和非加性事实；
17：事实表倾向于更多的行和更少的列，维表则相反；
18：事实表分类：周期、事务和累积快照；
19：数据仓库：以数据库为基础，在需求、客户、体系结构和运作方式等方面都与数据库应用有很大的不同；
20：数据仓库的两种增值操作：OLAP和DM；

21：设计维度模型的四步处理过程：业务、数据粒度、维度和事实；
22：日期维度；
23：退化维度；
24：雪花处理，一般不建议，除非支架如日期支架等；
25：代理关键字：
26：事实表中用ROWID的意义不大；
27：维表，少行多列，少于100万，50--100个属性不少见，并且使用单一的关键字；
28：数据仓库的能力直接与维度属性的质量和深度成正比；
29：维度属性应该是真正的文字而不是代码；
30：维度建模的好处：简明性、对称性和性能上的好处；
31：维度模型和数据中心的要求：符合数据仓库总线结构；
32：建模中避免的疏忽：大的规划，而应该小量迭代开发；注意技术而忽视用户，注意力要放在前台的查询、
性能和容易使用上；
33：数据仓库的成功直接系于用户的接受程度；
34：如果用户不将数据仓库作为提高决策制定水平的基础环节，则无意义；
35：维度建模不仅适合于总结性的数据，而且也适合于细节性的数据；
36：计算量应该存储，不要太计较空间；而百分比和比率应该存储分子和分母；
37：开发人员要估计最大事实表的行数；
38：日期维度考虑：年、季度、月、日、半年、旬、周、财政年。。。节假日、月周末、交易日等；以及重大
事件；
39：日期关键字应该是整型，不要使用自然关键字；
40：因果维度和偶然维度；

41：退化维度：所形成的维度为空，一般是事实表的自然关键字；
42：必须避免在事实表中出现空关键字；
43：数据仓库团队应该有意识地打破一些传统的建模规则，因为这是将注意力集中到通过容易使用与良好的性能
来发挥业务价值而不是放到事务处理的效率上的需要；
44：维度的snowflaking导致过多的维度；为了节省磁盘空间而投入精力去规范化维度表，只不过是浪费时间；
45：允许雪花，如支架处理；
46：过多的维度，会导致事实表消耗过大的磁盘空间；
47：1-15个维，不多于25个维；
48：体系层次相关的属性，应该成为同一维度的组成部分；
49：代理关键字：仅用于维度表和事实表的连接；不要含有其它意义；
50：使用代理关键字的好处：对操作性变化的缓冲；性能上的优势；支持处理维度属性的修改；