星型架构设计
Power BI 语义模型由单个表组成，这种情况并不常见。 单表模型可以是一种简单的设计，可能是适用于数据浏览任务或概念证明的设计，但不是最佳模型设计。 最佳模型遵循星型架构设计原则。 星型架构是关系数据仓库设计者通常使用的一种设计方法，因为它提供了一个易于使用的结构，并且它支持高性能的分析查询。
此设计原则称为星型架构，因为它将模型表分为事实或维度。 在一个关系图中，事实数据表形成星型的中心，而维度表则放置在事实数据表的周围，表示星型的点。
事实数据表
事实数据表用于存储累积的行，这些行表示观察结果或记录特定业务活动的事件。 例如，销售事实数据表中存储的事件可以是销售订单和订单行。 也可以使用事实数据表记录存货变动、存货结余或每日汇率。 事实数据表通常包含大量的行。 随着时间的推移，事实数据表行将累积。 在分析查询（将在此模块的后续部分对它进行定义）中，通过汇总事实数据表数据来生成值，如销售额和数量。
维度表
维度表描述业务实体，这些实体通常表示人员、地点、产品或概念。 日期维度表是常见的概念维度表示例，此表会针对每个日期包含一个行。 借助维度表中的列，可以对事实数据表数据进行筛选和分组。
每个维度表都必须具有一个唯一列，此列称为键列。 唯一列不包含重复的值，并且任何情况下都不会有缺失的值。 在产品维度表中，此列可能命名为“ProductKey”或“ProductID”。 其他列可能会存储描述性的值，如产品名称、子类别、类别、颜色等。 在分析查询中，这些列用于对数据进行筛选和分组。
比较事实数据表和维度表
下图比较了事实数据表和维度表的特征。
| 特征 | 维度表 | 事实数据表 |
|---|---|---|
| 模型用途 | 存储业务实体 | 存储事件或观察结果 |
| 表结构 | 包含一个键列和用于进行筛选和分组的描述性列 | 包括维度键列和可以汇总的数值度量值列 |
| 数据卷 | 通常包含的行较少（相对于事实数据表） | 可以包含大量行 |
| 查询用途 | 用于筛选和分组 | 用于汇总 |
关联星型架构表
在模型中，维度表通过使用一对多关系与事实数据表相关联。 通过此关系，应用于维度表列的筛选器和分组可以传播到事实数据表。 此设计模式很常见。
维度表可用于筛选多个事实数据表，可以通过多个维度表对事实数据表进行筛选。 但是，将事实数据表直接关联到其他事实数据表并不是一种好的做法。
若要实践此概念，请下载 Adventure Works DW 2020 M01.pbix 文件，打开此文件，然后切换到模型关系图。
请注意，该模型由七个表组成，其中一个表名为“Sales”且为事实数据表。 其余的表是维度表，它们的名称如下：
- 客户
- 日期
- Product
- Reseller
- 销售订单
- 销售区域
请注意维度表和事实数据表之间的关系，并且每个关系筛选器方向都指向事实数据表。 因此，当筛选器应用于维度表列（以按列值进行筛选或分组）时，将筛选和汇总相关的事实数据。
如果你观察此图案，可能会看到星型形状。
有关星型架构设计的详细信息，请参阅了解星型架构和 Power BI 的重要性。