Kimball和Inmon之间的区别

介绍

Ralph Kimball 和 Bill Inmon 都是数据仓库领域的专家，在数据仓库的设计和实现方面有很大的影响力。虽然他们共同关注于数据仓库，但是他们在数据仓库的设计和方法上有很大的差异。

Kimball 方法

Kimball 方法更加注重数据仓库的维度建模（dimensional modeling），也称星型模型（star schema）。在 Kimball 方法中，量度（facts）是数据仓库中最重要的部分，每个量度都有一组与其关联的维度。维度包含描述量度特征的属性（attributes）。

Kimball 方法还认为数据仓库必须是商业用户可以方便理解和查询的，因此，Kimball 提倡采用企业数据总线（bus) 的方法，通过将组成商业过程的事实和维度，构造出一个企业级的逻辑数据模型，以达到最终商业用户和数据仓库设计人员之间最广泛、最一致的数据共享。

Inmon 方法

Inmon 方法更加注重数据仓库的标准化、一致性和规范化。在 Inmon 方法中，数据仓库是基于对现有系统中所有数据进行整合，创建一个统一的数据存储库设计的，称之为“企业数据仓库（Enterprise data warehouse，EDW）”。数据存储库可以包括许多基于宏观或微观企业的主题区域模型主题，有时也称为“唯一的数据源（Single source of truth）”。

Inmon 方法着重于以下原则：数据一致性、数据集成、基本数据架构、总体明确数据标准、全面数据审计、对数据进行“正确性、完整性、可靠性”的保障等方面的工作。

Kimball 和 Inmon 方法的比较

Kimball 方法侧重于维度建模，追求商业用户易于理解和利用。Inmon 方法更侧重于创建一个“企业数据仓库”，强调数据的一致性、唯一性和规范化。

Kimball 和 Inmon 方法各有优势，应根据企业自身业务和发展阶段考虑使用哪种方法来创建数据仓库。

对于数据仓库开发人员来说，了解这两种不同的方法有利于根据具体情况选择最佳的设计方法。

参考链接：

• 数据仓库设计方法比较: Kimball VS Inmon
• Kimball and Inmon: Two Titans of Data Warehousing
• Inmon vs. Kimball: A Data Warehouse Debate - SelectHub