周期型快照事实表中不会保留所有数据，只保留固定时间间隔的数据，例如每天或者每个月的销售额，或者每月的账户余额等。
例如购物车，有加减商品，随时都有可能变化，但是我们更关系每天结束时这里面有多少商品，方便我们后期统计分析。
累计快照事实表用于跟踪业务事实的变化
1）事务型事实表
以每个事务或事件为单位，例如一个销售订单记录，一笔支付记录等，作为事实表里的一行数据
2）周期型快照事实表
3）累计型快照事实表：用于跟踪业务事实的变化。
事实表的特征：非常的大，
内容相对的窄：列数较少（主要是外键id和度量值）
星座模型和前两种情况的区别时事实表的数量：星座模型是基于多个事实表
选星型还是雪花，取决于性能优先还是灵活优先。
**ODS层：**1.HDFS用户行为数据 2.HDFS业务数据
所以ODS层只有一个表，其中只有一个字段。
3.针对HDFS上的用户行为数据和业务数据，我们如何规划处理？
1）保持数据原貌不做任何修改，起到备份数据的作用
2）数据采用压缩，减少磁盘存储空间（例如：原始数据100G，可以压缩到10G左右）
DWD层：DWD层需要构建维度模型，一般采用星型模型，呈现的状态一般为星座模型。
维度建模一般按照一下四个步骤：
选择业务过程->声明粒度->确认维度->确认事实
1）选择业务过程
在业务过程中，挑选我们感兴趣的业务线，一条业务线就对应一张事实表
2）声明粒度：
数据粒度是指数据仓库中保存数据的细化程序或者综合程度的级别
声明粒度意味着精确定义事实表中的一行数据表示什么，应该尽可能选择最小粒度，依次来应各种各样的需求。
典型的粒度声明如下：
DWS层和DWT层：
DWS层和DWT层统称为宽表层，这两层的设计思路大致相同，：
总结：
1）需要建那些宽表，以维度为基准
2）宽表里面的字段：是站在不同维度的角度去看事实表，重点关注事实表聚合后的度量值
3）DWS和DWT层的区别：DWS层存放的所有主题对象当天的汇总行为，DWT层存放的是所有主题对象的累计行为
ADS层：对电商系统各大主题指标分别进行分析