数据仓库系列3-键

Posted 2020-08-21 elsearch

数仓模型是非常重要的，模型中键又是重中之重。

今天简单讨论一下键。

候选键包含主键 和可选建，主键可以作为其它表的外键。

主键的生成方式分为两类：自然键和代理键。

主键都比较好懂，就是唯一键，重点说一下自然键和代理键。

自然键和代理键的有啥区别呢?

自然键是已经真实存在的键，通常具有商业意义，比如emploeeid，employee_name等，可以是单键也可以是复合键。

代理键通常没有商业意义，通常由系统自动生成，只能是单键。

在每个代理键为主键的表中，特别维度表，必定有自然键作为可选键，绝对不允许仅仅存在一个代理键而没有自然键的现象，因为代理键没有自然键就没有意义。

在设计模型中，一般需要考虑代理建作为主键，为啥呢?

1、在模型中如果如果自然键作为主键的话，有时会涉及到一些很多外键，如有需求需要修改主键，那么会引起一连串的反应。但是如果用代理键作为主键的话，因为代理键本身没意义，只需要修改代理键对应的自然健就ok了。

2、自然健为主键在新老系统合并中，比较困难，如果是代理键就比较简单了。

代理键绝对不可以对用户可见，通常是用来join，而不是where的搜索条件。通常情况下代理键的命名规则要规范，带有后缀，比如xxxx_sk等

主要原因呢，1、代理键毫无意义，暴露给用户会导致客户体验差。2、如果保存数据字典中，对于程序员根据名字就能很快的判断出是否是代理键，避免错误的使用。3、也是比较重要的一点，如果涉及到系统迁移，因为代理键都是自动生成的，会造成相同自然键的代理键不一致，造成混乱。

创建代理键的方法：

1、系统自动生成，比如序列号

2、ETL程序中max+1

3、创建一张维护表，通过表来维护

4、高低位法，xxx-yyyy，根据不同规则代表不用含义来表示

5、UUID，GUID mac地址+时间戳等。

代理键使用的其它场景

1、完全没有主键的数据表。

2、分布式结构数据库，多联合主键的事实表，为了分区方便，创建单独的代理键来避免数据的偏移等。

有时业务查询自然键频繁，需要两表关联时，可以把另外一张表的自然健，放到查询的这张表中，也就是逆规范化，先进行三范式规范化，再根据需求进行逆规范化。

先写这么多吧，其实还有代理键节省空间，查询效率比较高等。