大数据事实表设计方法详解

我们来系统地讲解一下大数据环境下事实表的基本设计方法。这是一个数据仓库和数据湖建设的核心环节。

一、 核心概念：什么是事实表？

在维度建模中，数据被组织成事实表（Fact Table）和维度表（Dimension Table）。

• 事实表：存储了可度量的业务数值数据（metrics），通常是数字和可加性的。它记录了“发生了什么”。
  • 例如：一个销售订单系统中的订单金额、销售数量、折扣金额等。
• 维度表：存储了描述业务过程的文本性、描述性的上下文信息（context）。它说明了“谁、什么、哪里、何时、为何”。
  • 例如：日期、客户、产品、商店、促销渠道等。

事实表通过与多个维度表关联，形成一个星型模式（Star Schema） 或雪花模式（Snowflake Schema），便于理解和高效查询。

---

二、 事实表的设计步骤与方法

步骤一：选择业务过程

这是设计的第一步，也是最关键的一步。你需要明确要建模的业务活动是什么。

• 例子：
  • 零售：下单、支付、退货、物流发货、客户点评。
  • 电商：用户点击、加入购物车、提交订单、支付成功。
  • 金融：交易、授信、还款、理赔。

要点：一个事实表通常只对应一个原子业务过程（最细粒度的事件）。

步骤二：声明粒度

粒度（Granularity） 定义了事实表中每一行数据代表什么。它是事实表的灵魂，决定了事实表的“肥胖”程度和可分析性。

• 高级别/粗粒度：每月每个产品的总销售额（一行代表一个月一个产品）
• 低级别/细粒度：一个订单中的一个商品项（一行代表一笔交易中的一个具体商品）

设计原则：尽可能选择最细粒度的数据。因为细粒度数据可以上卷（Roll-up）到任何粗粒度，