数据仓库中的退化维度

在数据仓库的维度建模中,退化维度(Degenerate Dimension) 是一个重要的概念,它特指那些没有关联独立维度表、直接存在于事实表中的业务过程标识符或键。

核心特征:

它们通常直接来源于OLTP中的事务标识符,例如:

订单编号(order_id)

发票编号(invoice_number)

提货单编号(pick_ticket_number)

交易流水号(transaction_id)

无独立维度表: 这是最关键的特征!与日期、产品、客户等维度不同,退化维度没有对应的维度表来存储其描述性属性(如订单日期、客户姓名、产品描述等)。这些描述性属性通常已被建模为事实表本身的字段,或者被拆分到其他相关的维度表中。

作为事实表中一部分: 退化维度通常作为事实表的主键(或主键的一部分),用于唯一标识事实表中的一行(即一个特定的事务实例)。

退化维度与普通维度的区别:

|----------|--------------------------|-----------------------------|
| 特征 | 普通维度 (Regular Dimension) | 退化维度 (Degenerate Dimension) |
| 是否有独立维度表 | 是 | 否 |
| 存储内容 | 描述性属性、文本字段、层次结构 | 仅业务标识符本身(如订单号) |
| 作用 | 提供分析的上下文、分组、过滤、切片 | 唯一标识事务、链接回源系统、事务级分析 |
| 示例 | product, user | orderid |

为什么叫"退化"?

在OLTP中,这些标识符(如order_id)通常是主键,关联着包含丰富描述信息的表(如订单头表)。

在维度建模中,当我们把与这个订单相关的所有描述性属性(如客户、日期、产品、销售员、支付方式等)都提取出来,分别建模到各自的维度表中后,原本在源系统中的order_id表就"退化"了------只剩下一个孤零零的order_id字段本身,没有其他属性可提取(或不需要提取到单独的维度表)。这个剩余的order_id字段就变成了事实表中的一个退化维度。

至此,我们也得出了如何判断字符按是否为退化维度的方法:

检查事实表中的字段。

问:"这个字段是业务事务的唯一标识符吗?(如订单号、发票号)"

问:"这个标识符有对应的、包含描述性属性的维度表吗?" 如果答案是"没有",那么它就是退化维度。

退化维度的作用与价值:

核心作用是唯一标识事实表中的每一行记录(一个特定的事务实例)。当需要从数据仓库钻取回源OLTP系统查看原始事务细节时,退化维度(如order_id)提供了关键的链接点。同时还有如下功能:

事务级分析: 支持对特定订单、发票等事务的详细分析。

事实表主键: 通常作为事实表主键或主键组成部分,保证事实记录的唯一性。

分组与过滤: 可以在查询中用于按特定订单、发票等进行分组或过滤。

举例说明

拿 销售订单 举例说明下:

事实表:fact_sales_order

字段举例:

order_id (退化维度) - 唯一订单号

order_date_key (外键 -> dim_date)

customer_key (外键 -> dim_customer)

product_key (外键 -> dim_product)

salesperson_key (外键 -> dim_salesperson)

quantity_ordered (度量)

unit_price (度量)

order_id 存在于事实表中。它没有对应的dim_order表(因为订单日期、客户、产品、销售员等信息都已被建模到各自的维度表中)。order_id 的唯一作用就是标识这个特定的订单行项目,并允许必要时通过它查询源系统的原始订单。因此,order_id 是一个典型的退化维度。

总结:

退化维度是数据仓库维度建模中处理事务标识符的一种标准方法。它代表了那些在源系统中关联着丰富描述信息,但在维度模型中因描述信息已被提取到其他维度表而"退化"只剩下标识符本身的键。它的核心价值在于唯一标识事实记录,并提供链接回源OLTP系统的桥梁。理解并正确识别退化维度对于构建高效、清晰的星型/雪花型模型至关重要。

参考:

https://www.fanruan.com/blog/article/316558/

相关推荐
RestCloud12 小时前
ETL数据质量保障:如何通过优化提升数据准确性?
数据仓库·etl·数据处理·数据传输·数据同步·数据集成平台
2501_927283582 天前
荣联汇智助力天津艺虹打造“软硬一体”智慧工厂,全流程自动化引领印刷包装行业数智变革
大数据·运维·数据仓库·人工智能·低代码·自动化
孤雪心殇2 天前
快速上手数仓基础知识
数据仓库·hive·spark
渣渣盟2 天前
数据仓库 vs 数据湖 vs 湖仓一体:架构演进与选型
数据仓库·架构
juniperhan2 天前
Flink 系列第22篇:Flink SQL 参数配置与性能调优指南:从 Checkpoint 到聚合优化
大数据·数据仓库·分布式·sql·flink
juniperhan2 天前
Flink 系列第21篇:Flink SQL 函数与 UDF 全解读:类型推导、开发要点与 Module 扩展
java·大数据·数据仓库·分布式·sql·flink
地球资源数据云3 天前
1960年-2024年中国棉花产量数据集
大数据·数据结构·数据仓库·人工智能
i建模3 天前
在数据仓库(数仓)中,给数据打标签(Tagging)
数据仓库
地球资源数据云4 天前
1900-2023年中国物种分布点位矢量数据集
大数据·数据结构·数据库·数据仓库·人工智能
Leo.yuan4 天前
数据仓库是什么?数据仓库和大数据平台、数据湖、数据中台、湖仓一体有什么区别?
大数据·数据仓库·spark