加入对 OLAP 和操作数据的查询

Posted 2023-03-25

【中文标题】加入对 OLAP 和操作数据的查询

【英文标题】：Join query on OLAP and operations data

【发布时间】：2013-05-23 16:39:55

【问题描述】：

我在我的数据库中管理具有此架构的工具列表：

[id] int PRIMARY
[name] varchar

每个工具每隔几秒就会发出一次测量值。我将使用此架构将其保存在 OLAP 存储中：

[toolID] int
[time] timestamp
[measurement] int

（我们尚未选择 OLAP 存储，但由于数据量、语义和我们将运行的查询类型，我们假设我们需要一个）

如何查询测量值大于 100 的工具名称列表？挑战在于我需要加入来自 OLAP 和 OLTP 存储的数据。

选项 1 - 在 OLAP 中还保存每次测量的工具名称（非规范化）。问题是工具名称自测量以来可能已更改，我需要最新的。此外，每个工具可能还有更多详细信息（和详细数据），不确定每次测量保存所有信息是否有意义。

选项 2 - OLAP 只返回 ID 列表，然后我向 OLTP 发出查询以获取名称。这将需要具有许多嵌入式 ID 的 SQL 查询，而且似乎不正确。

选项 3 - 每隔几分钟将所有 OLTP 数据同步到 OLAP。但是 OLAP 工具并未针对更新进行优化（例如 Vertica），因此这似乎效率不高。

【问题讨论】：

您的字面意思是测量值>100 还是计数（测量值）>100？与测量记录的数量（百分比）相比，您的工具列表有多大？工具列表及其详细信息真的每隔几分钟就会改变一次吗？如果工具的细节发生变化，您希望旧测量数据与旧细节、新细节还是两者相关联？

“最近 6 次测量中的 4 次 > 100”。每个工具都会有数千个测量值。工具列表不会经常改变，但当它改变时，在报告中显示更新的数据很重要。当细节发生变化时，旧的测量应该链接到新的细节。我想我在这里问的是数据仓库中的一个基本问题。我是否需要定期将所有“工具”数据行复制到仓库（保存测量值的地方）以便更容易连接？我在读到 Vertica 在更新方面并不擅长，这个定期副本不是这样的更新吗？

【参考方案1】：

通常，在 OLAP/DW 系统中，选项 3 是首选，工具列表及其详细信息将存储在工具维度表中，测量值将存储在测量事实表中。

如果，正如您在评论中提到的，当详细信息发生变化时，您不关心保存工具详细信息的历史记录，以及 更新频率和次数工具细节很小，那我就只更新工具维度中的记录，因为这将是一个相对较少的更新。

如果更新频率很小但实际更新次数很大，那么简单地截断 Tool 维度并插入 OLTP 系统中的所有 Tool 记录可能会更容易和更快。在这种情况下，您需要确保有一种方法可以保留维度键，以便重新连接到已存储的事实测量值。如果您使用基于自动生成序列的代理键，这可能会很困难。

当工具详细信息的更新频率和数量很大时，就会出现真正的问题。在这种情况下，您将不得不退后一步查看整个模型，并确定工具详细信息是否确实属于某个维度，或者它们是否应该拥有自己的事实表。

【讨论】：

谢谢。如果我截断 Tool 维度，则 Tools 和 Measurments 不在同一个 DB 中，因此不可能进行简单的连接。在这种情况下，我需要从事实中获取所有 id，并使用 SQL 的（长）连接或更聪明的机制 (SP)，将它们的数据与 OLTP 分开查询。这是正确的吗？此外，如果我确实关心保存工具（及其详细信息）历史记录，那么我需要为每个事实行添加一个维度行（具有当前工具状态）？

在传统的 OLAP/DW 中，所有数据都在同一个数据库中。如果您想截断而不是更新，那么您需要一种正确重新生成维度键的好方法，以便它们可以连接回已经存储的事实数据。例如，如果 OLTP 系统中有一个唯一的 TOOL_ID 列，那么您可以将其用作维度键，因为在截断后它始终可以从 OLTP 系统复制到 OLAP 系统。

如果你想保留工具历史，那么你不需要更新或截断你可以简单地插入。这称为 II 型渐变维度 (SCD) Part 1 和本文的 Part 2 描述了 SCD 类型及其权衡。