缓慢变化维SCD(Slowly Changing Dimensions),是指维度表数据不是静态不变的,而是随时间缓慢变化。
缓慢变化维的几种解决方法:
1、保留原始值:属性值不会发生变化,始终以原始数据为准;
2、改写属性值:用新数据覆盖旧数据,只保留最新属性值。此方法易于处理,但无法分析历史数据变化;
3、增加维度新行:数仓的目标之一就是保存历史数据,为达到这样的目的,既要保留历史记录,又要增加新的记录,此方法典型代表就是拉链表;
4、增加维度新列:在表中增加一个新字段,用来保存变化后的当前值;
5、使用历史表:另外建一个表保存历史数据,维度表只保存最新数据,将历史数据和当前数据完全分开。
在实际使用中,常使用拉链来解决数据的缓慢变化维:既可以保存历史数据,又可以防止数据的冗余。
拉链表的使用(表名为A):
数据从ODS层同步到DW层后,在DW层的拉链表A中增加两个字段:
start_date:每条业务数据创建的时间;
end_date:通常会给个极限值为9999/12/31。
操作步骤:
1、每次增量更新时,增量数据表B同步到ODS层后,跟DW层中的拉链表A做一次join,从而获得拉链表A中有更新的数据集;
2、对该数据集更改其end_date字段,从而得到一个新的拉链表A;
3、再将拉链表A与增量数据表B做一次union all,得到新的拉链表。