粒度的聲明是事實表建模非常重要的一步 ， 意味著精確定義事實表 的每一行所表示的業務含義，粒度傳遞的是與事實表度量有關的細節層次 。明確的粒度能確保對事實表中行的意思的理解不會產生混淆，保證所有的事實按照同樣的細節層次記錄 。
應該盡量選擇最細級別的原子粒度讀寫分離 oracle 應用層，以確保事實表的應用具有最大的靈活性 。同時對于訂單過程而言，粒度可以被定義為最細的訂單級別 。比如在淘寶訂單中有父子訂單的概念，即一個子訂單對應一種商品，如 果拍下了多種商品 ， 則每種商品對應一個子訂單:這些子訂單一同結算 的話，則會生成一個父訂單 。那么在這個例子中，事實表的粒度應該選擇為子訂單級別 。
確定維度
完成粒度聲明以后，也就意味著確定了主鍵，對應的維度組合以及相關的維度字段就可以確定了，應該選擇能夠描述清楚業務過程所處的環境的維度信息 。比如在淘寶訂單付款事務事實表中，粒度為子訂單 ， 相關的維度有買家、賣家、商品、收貨人信息 、業務類型、訂單時間等維度 。
確定事實
事實可以通過回答“過程的度量是什么”來確定 。應該選擇與業務 過程有關的所有事實，且事實的粒度要與所聲明的事實表的粒度一致 。事實有可加性、半可加性、非可加性三種類型 ，需要將不可加性事實分解為可加的組件 。
比如在淘寶訂單付款事務事實表中，同粒度的事實有子訂單分攤的支付金額、郵費、優惠金額等 。
冗余維度
在傳統的維度建模的星形模型中，對維度的處理是需要單獨存放在專門的維表中的，通過事實表的外鍵獲取維度 。這樣做的目的是為了減少事實表的維度冗余 ， 從而減少存儲消耗 。而在大數據的事實表模型設計中，考慮更多的是提高下游用戶的使用效率，降低數據獲取的復雜性 ， 減少關聯的表數量 。所以通常事實表中會冗余方便下游用戶使用的常用維度，以實現對事實表的過濾查詢、控制聚合層次、排序數據以及定義主從關系等操作 。
比如在淘寶訂單付款事務事實表中，通常會冗余大量的常用維度字段，以及商品類目、賣家店鋪等維度信息 。
4.2 事務事實表
訂單作為交易行為的核心載體，直觀反映了交易的狀況 。訂單的流轉會產生很多業務過程，而下單、支付和成功完結三個業務過程是整個 訂單的關鍵節點 。獲取這三個業務過程的筆數、金額以及轉化率是日常 數據統計分析的重點，事務事實表設計可以很好地滿足這個需求 。本節 將介紹三種不同事務事實表的設計方式，以及在淘寶交易訂單中關于郵 費和折扣分攤到子訂單的算法 。
4.2.1 設計過程
任何類型的事件都可以被理解為一種事務 。比如交易過程中的創建 訂單、買家付款，物流過程中的攬貨、發貨、簽收，退款中的申請退 款、 申請小二介入等，都可以被理解為一種事務 。事務事實表，即針對這些過程構建的一類事實表，用以跟蹤定義業務過程的個體行為，提供豐富的分析能力，作為數據倉庫原子的明細數據 。下面以淘寶交易事務事實表為例，闡述事務事實表的一般設計過程 。
選擇業務過程
圖 4.1 給出了淘寶交易訂單的流轉過程，其中介紹了四個重要過程：創建訂單、買家付款、 賣家發貨、買家 確認收貨，即下單、支付 、 發貨和成功完結四個業務過程 。這四個業務過程不僅是交易過程中的重要時間節點  ， 而且也是下游統計分析的重點 ， 因此淘寶交易事務事實表 設計著重從這四個業務過程進行展開。
維度建模理論認為 ， 為了便于進行獨立的分析研究，應該為每個業務過程建立一個事實表 。對于是否將不同業務過程放到同一個事實表 中，將在下一節中詳細介紹 。
確定粒度
業務過程選定以后，就要針對每個業務過程確定一個粒度，即確定事務事實表每一行所表達的細節層次 。下面先介紹淘寶訂單的產生過程 。
對于每一種商品產生的訂單就稱為子訂單，子訂單記錄了父訂單的訂單號，并且有子訂單標志 。如果在同一個店鋪只購買了一種商品，則會將父子訂單進行合并，只保留一條訂單記錄 。如圖 4.2 和圖 4.3 所示示例 。
賣家發貨這個業務過程可以選擇子訂單粒度，即將每個子訂 單作為賣家發貨事實表的一個細節 。然而，在實際操作中發現，賣家發貨更多的是物流單粒度而非子訂單粒度，同 一個子訂單可以拆開成多個物流單進行發貨 。在事務事實表設 計過程中，秉承確定為最細粒度的原則，因此對于賣家發貨確定為物流單粒度，和其他三個業務過程不同 ， 這樣可以更好地給下游統計分析帶來靈活性 。
確定維度
選定好業務過程并且確定粒度后，就可以確定維度信息了 。在淘寶交易事務事實表設計過程中，按照經常用于統計分析的場景，確定維度包含: 買家、賣家、商品、商品類目、發貨地區、收貨地區、父訂單維度以及雜 項維度 。由于訂單的屬性較多，比如訂單的業務類型、是否無線交易、訂單的屬性等 ， 對于這些使用較多卻又無法歸屬到上述買賣家或商品維度中的屬性 ， 則新建一個雜項維度進行存放，如圖 4.4所示 。
確定事實
作為過程度量的核心，事實表應該包含與其描述過程有關的所有事實 。以淘寶交易事務事實表為例，選定三個業務過程一一下單、支付和 成功完結，不同的業務過程擁有不同的事實 。比如在下單業務過程中，需要包含下單金額、下單數量、下單分攤金額；在支付業務過程中，包含支付金額、分攤郵費、折扣金額、紅包金額、積分金額；在完結業務過程中包含確認收貨金額等 。由于粒度是子訂單，所以對于一些父訂單上的金額需要分攤到子訂單上，比如父訂單郵費、父訂單折扣等 。
5.冗余維度
在確定維度時，包含了買賣家維度、商品維度、類目維度 、收發貨維度等 ，  維度建模理論建議在事實表中只保存這些維表的外鍵 ，  而淘寶交易事務事實表在維度建模基礎之上做了進 一 步的優 化，將買賣家星級、標簽、店鋪名稱、商品類型、商品特征、商品屬性、 類目層級等維度屬性都冗余到事實表中，提高對事實表進行過濾查詢、統計聚合的效率，如圖 4.5 所示。
4.2.2 單事務事實表
單事務事實表，顧名思義 ， 即針對每個業務過程設計一個事實表 。這樣設計的優點不言而喻，可以方便地對每個業務過程進行獨立的分析研究 。1688 交易流程則采用這 種模式構建事務事實表 。
1688 交易和淘寶交易相 似，主要流程也是下單、支付、發貨和完結，而在這四個關鍵流程中 1688 交易選擇下單和支付兩個業務過程設 計事務事實表，分別是1688交易訂單下單事務事實表和1688交易訂單支付事務事實表 。
選定業務過程后 ， 將對每個業務過程確定粒度、維度和事實 。對于 1688 交易訂單下單事務事實表，確定子訂單粒度，選擇買家、賣家、商品、父訂單、收貨地區維度，事實包含下單分攤金額和折扣金額 ， 如 圖4.6 所示；而對于 1688 交易訂單支付事務事實表，粒度和維度與交易訂單下單事務事實表相同，所表達的事實則不 一樣讀寫分離 oracle 應用層，包含支付金額、支付調整金額和支付優惠等，如圖4.7 所示；
1688 交易針對下單和支付分別建立單事務事實表后 ， 每天的下單記錄則進入當天的下單事務事實表中，每天的支付記錄進入當天的支付事務事實表中，由于事實表具有稀疏性質 ，因此只有當天數據才會進入當天的事實表中 。下面以具體交易訂單為例，展示單事務事實表的設計實例 。
4.2.3 多事務事實表
多事務事實表，將不同的事實放到同一個事實表中，即同一個事實表包含不同的業務過程 。多事務事實表在設計時有兩種方法進行事實的處理：
如何選擇：
4.2.4 兩種事實表對比
業務過程
對于單事務事實表，一個業務過程建立一個事實表，只反映一個業務過程的事實 ；對于多事務事實表，在同 一個事實表 中反映多個業務過程 。多個業務過程是否放到同一 個事實表中，首先需要分析不同業務過 程之間的相 似性和業務源系統 。比如淘寶交易的下單、支付和成功完結 這三個業務過程是存在相似性的 ， 都屬于訂單處理中的 一環，并且都來自于交易系統 ，因此適合放到同 一個事務事實表中 。
粒度和維度
在考慮是采用單事務事實表還是多事務事實表時，另一個關鍵點就是粒度和維度，在確定好業務過程后，需要基于不同的業務過程確定粒度和維度，當不同業務過程的粒度相同，同時擁有相似的維度時，此時就可以考慮采用多事務事實表 。如果粒度不同，則必定是不同的事實表 。比如交易中支付和發貨有不同的粒度，則無法將發貨業務過程放到淘寶交易事務事實表中 。
事實
對于不同的業務過程，事實往往是不同的，單事務事實表在處理事實上比較方便和靈活，僅僅體現同一個業務過程的事實即可，而多事務事實表由于有多個業務過程，所以有更多的事實需要處理 。如果單一業務過程的事實較多，同時不同業務過程的事實又不相同，則可以考慮使 用單事務事實表，處理更加清晰 ; 若使用多事務事實表 ，  則會導致事實表零值或空值字段較多 。
下游業務使用
單事務事實表對于下游用戶而言更容易理解，哪個業務過程就使用相應的事務事實表；而多事務事實表包含多個業務過程，用戶使用時往往較為困惑 。1688 和淘寶交易分別采用了這兩種方式 ， 從日常使用來看，對于淘寶交易事務事實表下游用戶確實有 一定的學習成本。
計算存儲成本
針對多個業務過程設計事務事實表 ， 是采用單事務事實表還是多事務事實表，對于數據倉庫的計算存儲成本也是參考點之 一，當業務過程 數據來源于同 一個業務系統，具有相同的粒度和維度 ， 且維度較多而事實相對不多時，此時可以考慮使用多事務事實表，不僅其加工計算成本 較低，同時在存儲上也相對節?。?是一種較優的處理方式 。
4.2.5 父子事實的處理方式
4.2.6 事實的設計準則
事實完整性：盡可能多地獲取所有的度量事實一致性：事實表中統一計算可以保證度量的一致性（比如金額由數量*單價先在事實表算出來）事實可加性：事務事實表中 更多的是可加性事實，下游用戶在聚合統計時更加方便4.3 周期快照事實表
4.3.1 特性
用快照采樣狀態
快照粒度密度與稀疏性半可加性
4.3.2 實例
4.3.3 注意事項
事務與快照成對設計附加事實周期到日期度量
4.4.1 設計過程
4.4.2 特點
數據不斷更新多業務過程日期
4.4.3 特殊處理
非線性過程多源過程業務過程取舍
4.4.4 物理實現
全量表的形式：此全量表一般為日期分區表，每天的 分區存儲昨天的全量數據和當天的增量數據合并的結果，保證每條記錄 的狀態最新 。此種方式適用于全量數據較少的情況 。全量表的變化形式：比如針對交易訂單，我們以 200 天作為訂單從產生到消亡的最大間隔 。設計最近 200 天的交易訂單累積快照事實表，每天的分 區存儲最近 200 天的交易訂單而 200 天之前的訂單則按照創 建分區存儲在歸檔表中 。業務實體的結束時間分區：每天的分區存放當天結 束的數據，設計一個時間非常大的分區，比如 3000-12-31 ，存放截至當前未結束的數據 。由于每天將當天結束的數據歸檔至當天分區中，時間 非常大的分區數據量不會很大， ETL 性能較好；并且無存儲的浪費，對于業務實體的某具體實例，在該表的全量數據中唯一 。但接口等原因 ， 存在結束標志的確認問題，有以下兩個方案：4.5 三種事實表的比較
4.6 無事實的事實表
4.7 聚集型事實表DWS
4.7.1 聚集的基本原則
4.7.2 聚集的基本步驟
確定聚集維度
在原始明細模型中會存在多個描述事實的維度，如日期、商品類別、 賣家等，這時候需要確定根據什么維度聚集，如果只關心商品的交易額 情況，那么就可以根據商品維度聚集數據 。
確定一致性上鉆確定聚集事實
4.7.3 阿里公共匯總層
基本原則交易匯總表設計
4.7.4 聚集補充說明
【全 數據模型建設方法總結】本文到此結束，希望對大家有所幫助 。

• 數據分析軟件 Stata17 詳細安裝激活教程附安裝包下載
• 南京魯醫生的做法，會讓孩子有安全感嗎？
• 縣司法局宋發勝到校園為校園安全支招
• 塘沽有什么好玩的地方 塘沽景點大全 塘沽有什么好玩的地方
• ?賈靜雯曬全家福祝修杰楷父親節快樂：有你真挺好的
• 為游戲而生！西部數據WD BLACK SN750評測
• 游戲數據平臺ThinkingGame獲線性資本百萬級天使投資
• 四 微信安全知識：為微信支付再加上一道安全線
• 裝修半包和全包哪個好 裝修半包和全包的優缺點
• 全國高中排名一覽表