|NO.Z.00048|——————————|^^ 案例 ^^|——|Hadoop&PB级数仓.V06|——|PB数仓.v06|核心交易分析|缓慢变化|维度处理|

一、缓慢变化维与周期性事实表

### --- 缓慢变化维

~~~     缓慢变化维（SCD；Slowly Changing Dimensions）。
~~~     在现实世界中，维度的属性随着时间的流失发生缓慢的变化
~~~     缓慢是相对事实表而言，事实表数据变化的速度比维度表快。
~~~     处理维度表的历史变化信息的问题称为处理缓慢变化维的问题，简称SCD问题。

### --- 处理缓慢变化维的方法有以下几种常见方式：

~~~     保留原值
~~~     直接覆盖
~~~     增加新属性列
~~~     快照表
~~~     拉链表

### --- 保留原始值

~~~     维度属性值不做更改，保留原始值。
~~~     如商品上架售卖时间：一个商品上架售卖后由于其他原因下架，后来又再次上架，
~~~     此种情况产生了多个商品上架售卖时间。
~~~     如果业务重点关注的是商品首次上架售卖时间，则采用该方式。

### --- 直接覆盖

~~~     修改维度属性为最新值，直接覆盖，不保留历史信息。
~~~     如商品属于哪个品类：当商品品类发生变化时，直接重写为新品类。

### --- 增加新属性列

~~~     在维度表中增加新的一列，原先属性列存放上一版本的属性值，
~~~     当前属性列存放当前版本的属性值，还可以增加一列记录变化的时间。
~~~     缺点：只能记录最后一次变化的信息。

### --- 快照表

~~~     每天保留一份全量数据。
~~~     简单、高效。缺点是信息重复，浪费磁盘空间。
~~~     适用范围：维表不能太大
~~~     使用场景多，范围广；一般而言维表都不大。

### --- 拉链表

~~~     拉链表适合于：表的数据量大，而且数据会发生新增和变化，
~~~     但是大部分是不变的（数据发生变化的百分比不大），
~~~     且是缓慢变化的（如电商中用户信息表中的某些用户基本属性不可能每天都变化）。
~~~     主要目的是节省存储空间。

### --- 适用场景：

~~~     表的数据量大
~~~     表中部分字段会被更新
~~~     表中记录变量的比例不高
~~~     需要保留历史信息

---

 

 

 

 

 

 

 

 

 

---

Walter Savage Landor:strove with none,for none was worth my strife.Nature I loved and, next to Nature, Art:I warm'd both hands before the fire of life.It sinks, and I am ready to depart

                                                                                                                                                   ——W.S.Landor

---