阿里巴巴大数据之路读书笔记——事实表设计的八大原则

Posted 2021-09-06 manor的大数据奋斗之路

事实表设计的八大原则

原则一 ：尽可能包含所有与业务过程相关的事实

事实表设计的目的是为了度量业务过程，所以分析哪些事实与业务
过程有关是设计中非常重要的关注点。在事实表 中应该尽量包含所有与
业务过程相关的事实，即使存在冗余，但是因为事实通常为数字型，带
来的存储开销也不会很大。

原则二 ：只选择与业务过程相关的事实

在选择事实时，应该注意只选择与业务过程有关的事实。比如在订
单的下单这个业务过程的事实表设计中 ，不应该存在支付金额这个表示
支付业务过程的事实。

原则三 分解不可加性事实为可加的组件

对于不具备可加性条件的事实，需要分解为可加的组件。比如订单
的优惠率，应该分解为订单原价金额与订单优惠金额两个事实存储在事
实表中。

原则四 ：在选择维度和事实之前必须先声明粒度

粒度的声明是事实表设计中不可忽视的重要一步，粒度用于确定
实表中一行所表示业务的细节层次，决定了维度模型的扩展性，在选择
维度和事实之前必须先声明粒度，且每个维度和事实必须与所定义的粒
度保持一致。在设计事实表的过程中，粒度定义得越细越好，建议从最
低级别的原子粒度开始，因为原子粒度提供了最大限度的灵活性，可以
支持无法预期的各种细节层次的用户需求。在事实表中，通常通过业务
描述来表述粒度，但对于聚集性事实表的粒度描述，可采用维度或维度
属性组合的方式。

原则五： 在同一个事实表中不能有多种不同粒度的事实

事实表中的所有事实需要与表定义的粒度保持一致，在同 个事
表中不能有多种不同粒度的事实。
如表 1.1 所示为机票支付成功事务事实表，粒度为票一级的，而
在实际业务中，一个订单可以同时支付多张票，如 ID 100901 的订单
包含三张机票， ID 100902 的订单包含两张机票， ID 100903 的订
单包含一张机票。在该事实表的设计中，票支付金额和票折扣金额两个
事实与表定义的粒度一致，并且支持按表的任意维度汇总，可以添加进
该事实表中。而订单支付金额和订单票数作为上 层粒度的订单级事
实，与该票级事实表的粒度不一致，且不能进行汇总。比如订单 ID
100901 的订单支付金额为 3700 元，订单票数为 张，如果这两个度量
在该表进行汇总计算总订单金额和总票数，则会造成重复计算的问题
所以不能作为该表的度量选人。

原则六 ：事实的单位要保持一致

对于同个事实表中事实的单位，应该保持一致。比如原订单金额、
订单优惠金额、订单运费金额这三个事实，应该采用一致的计量单位，
为元或分，以方便使用。

原则七 ： 对事实的 null 值要处理

对于事实表中事实度量为 null 值的处理，因为在数据库中 null
对常用数字型字段的 SQL 过滤条件都不生效，比如大于、小于、等于、
大于或等于、小于或等于，建议用零值填充。

原则八 ：使用退化维度提高事实表的易用性

Kimbal 维度建模中，通常按照星形模型的方式来设计，对于
维度的获取采用的是通过事实表的外键关联专门的维表的方式，谨慎使
用退化维度。而在大数据领域的事实表设计中，则大量采用退化维度的
方式，在事实表中存储各种类型的常用维度信息。这样设计的目的主要
是为了减少下游用户使用时关联多个表的操作，直接通过退化维度实现
对事实表的过滤查询、控制聚合层次、排序数据以及定义主从关系等。
通过增加冗余存储的方式减少计算开销，提高使用效率。