KDT#1 补充 点击流数据仓库的粒度选择

对于点击流数据仓库的事实表，通常有三种不同的粒度选择。

1．            事实表记录＝每个会话的每个页面一条记录

这是一个非常细的级别，基本上满足所有的分析要求，但处理数据可能会花掉大部分的时间和金钱。一个好的建议就是用统计学里的抽样技术，选取1％的数据来进行处理和分析。

2．            事实表记录＝每个会话一条记录

这个粒度在KDT＃1中已经描述。

3．            事实表记录＝每天一条记录

这个粒度是一个很粗的粒度。优点很明显，就像聚集事实表一样，大大的减小了事实表的数据量。但是对分析的支持也小了很多，如对访问者、会话等就不能进行分析。

个人觉得，在建立点击流数据仓库时，该选哪个粒度，应该根据自己的实际情况来定。如果页面及访问量小的话可以考虑第一中粒度，大的话采用第二种粒度或第一种粒度加一个好的抽样算法。除非有特殊的情况，否则不建议采用第三种粒度。