本文探讨数据仓库中维度表的变化处理，包括慢变化维度（SCD）的Type1、Type2、Type3、Type4和Type6，以及快变化维度（RCD）的处理策略。SCD主要用于处理如客户类别等变化较慢的数据，而RCD针对如用户搜索关键字这类快速变化的数据。各种类型的SCD各有优缺点，Type2和Type3在实际应用中较为常见。
数据仓库中的事实表总是在变化中，通常是新的业务数据不断装载入DW。事实表数据的增加是正常现象，也无需特别处理。但很多时候维度表的数据也会发生变化，且维度表的数据变化会导致维度表和事实表的关系发生变化。因此对于维度变化，该如何设计维度表，是本文要讨论的问题。
例如一个订单事实表和一个客户维度表，每个订单有一个对应的客户。在今年5月17日之前，客户维度表中某客户的类别是corporate，5月18日变化为了retail。很显然统计5月的订单数据时，我们希望得到的客户类型即有corporate，也有retail。这就要求维度表中保存历史数据，同时如何关联事实表和维度表也是需要设计时思考的问题。
Slow Changing Dimensions(SCD)
指与时间等因素无关的，变化相对较慢的维度。如产品类别维度，地区维度等。
SCD可根据是否/如何保留维度的变化历史，分为不同类别。
Type1：
将旧的维度信息覆盖。如下例，当客户类别信息发生变化时，直接将维度表中的旧值覆盖掉。因此Type 1没有保留维度的变化历史。
|
Before the change:
After the change:
|
这种方式的优点是简单，缺点是无法追踪历史。如果是雪花模型，还可能会导致一些外键关系错误。
Type2：
增加一行新的维度数据。如下
最低0.47元/天 解锁文章
扫一扫
1597
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
