数据仓库维度建模之事实表设计

一、DWD层明细事实表设计

事实表有粒度大小之分，基于数据仓库层次架构，明细事实表一般存在于dwd层，该层事实表设计不进行聚合、汇总动作，仅做数据规范化、数据降维动作，将多个实事表的内容汇总到一张表中,同时数据保持业务粒度，确保数据信息无丢失。

数据降维：
为了提高模型易用性，将常规维度表中的常用属性数据冗余到相应的事实表中，从而在使用的时候避免维表关联的方式，既为数据降维。

事实表的设计主要是根据业务流程，每一个业务动作事件都可以作为一个事实，一个业务流程中会有多个动作，其中的事实表设计主要有以下两种方案：

1、单事件事实表
对于每一个业务动作事件，设计一个事实表，仅记录该事件的事实以及状态，以用户下单打车为例，订单流程包括用户下单、司机接单、乘客支付等过程，这种场景下dwd层明细事实表的设计如下：

由上图可知，该方案更方便跟踪业务流程细节数据，针对特殊的业务分析场景比较方便灵活，数据处理上也更灵活，但是数仓中需要管理太多的事实表，同时跟踪业务流转不够直观。

2、流程事实表
对于一个业务流程主体，设计一个事实表，跟踪整个流程的事实以及状态流转。同样以用户下单打车为例，dwd层明细事实表的设计如下：

该方案能够更直观的跟踪业务流转和当前状态，可满足大多数的数据分析场景，由于和业务侧的数据模型设计思路一致，也是目前最常用的事实表设计，但是细节数据跟踪不到位，特殊场景的分析不够灵活。

3、两种方案的选择
在开发工作中这两种方案可以同时并存，一般单事件事实表应用略多，应用场景较为灵活，也可以结合两种方案进行设计，在流程表的基础上进行适当拆分

4、事实表的存储
(1)增量存储
每周期仅处理增量部分的数据，针对状态无变化的数据比较合适

(2)全量快照
状态有变化，但每天保存当前的快照数据，对于数据量在可控范围内的情况可以采用。如果存储空间和成本可接受，完整存储，确保能够追溯到历史每天数据状态，如果存储空间有限，考虑移动历史快照数据到冷盘，需要使用的时候可恢复，如果历史状态数据无太大价值，可以考虑部分删除，比如仅保留每月最后一天的快照数据

(3)拉链表
针对数据量大，但缓慢变化，需要跟踪历史状态，和缓慢渐变维类似，拉链表适用于每天变化的数据量较小的场景，否则如果每天的变化数据量大于新增量，可优先选择快照

5、制作拉链表

(1