34、数据仓库性能优化：派生模式与聚合的应用

数据仓库性能优化：派生模式与聚合的应用

在数据仓库的管理和使用中，为了提升查询性能、降低报表创建的复杂度，派生模式和聚合是非常有效的手段。下面将详细介绍它们的相关内容。

派生模式

派生模式是从原始维度模式中提取数据，并将其重新组织以满足特定用途。它可以实现为星型模式或立方体，与包含粒度数据的星型模式结合使用，能发挥强大的作用。常见的派生模式有以下几种：
1. 切片事实表 ：从原始星型模式中提取子集，通常基于单个属性值进行定义。这些表规模较小，但不牺牲细节，适用于部门级、分布式或移动应用，也可作为基于角色的安全架构的基础。
2. 集合运算事实表 ：通过子查询或并集、交集、差集等集合运算，预先计算两个事实表的比较结果。这可以显著节省时间，并大大简化报表所需的 SQL。
3. 快照 ：可以从事务中派生而来，能简化确定单个事务对状态测量（如级别或余额）的累积影响的过程。
4. 累积快照 ：通常从一个或多个星型模式派生而来，每行关联多个活动，简化了研究在各个流程阶段所花费时间的复杂过程。
5. 核心事实表 ：常从特定类型的自定义事实表派生而来，可跨所有类型进行分析，无需执行并集操作。
6. 合并事实表 ：预先计算跨两个或多个事实表钻取的结果，使跨流程比较更简单、快速，尤其在现有工具无法用于跨钻取时很有帮助。
7. 透视事实表 ：将按行组织的事实转换为一行中的多个事实，反之亦然。虽