Sql 数据仓库建模问题

我在数据仓库中有一个典型的事实表-该表有一些代理键和度量值。在数据中，仓库也是一个查找表——其中不维护历史记录的小维度。只需代理键、业务键和一个或两个属性。在事实数据表加载期间，代理项键取自查找表（联接基于业务键）。因此，基本上在事实加载的某个阶段，我们在事实中有业务键，用于从查找表中获取代理键，在该操作之后，业务键消失，稍后，例如在数据集市（出于报告目的）中，我们可以仅对某些属性使用代理键将查找与事实连接起来。到目前为止，这个过程相当简单，因为我们只使用一个业务键来设置属性值

但现在有些情况下，我们应该使用3个或更多

例如，这些条件是：

COLUMN_1 = 'ABC' 
AND COLUMN_2 <> 'Z'
AND COLUMN_3 IN ('1', '2')

COLUMN_1 = 'ABC' 
AND COLUMN_2 <> 'Z'
AND  COLUMN_3 IN ('3', '4', '5')

COLUMN_1 <> 'ABC' OR COLUMN_2 = 'Z'

COLUMN_1='ABC'
和列_2'Z'
以及（'1'，'2'中的第3列）
列_1='ABC'
和列_2'Z'
和列_3 IN（'3'、'4'、'5'）
列_1'ABC'或列_2='Z'

列_1、列_2、列_3是事实表中显示的业务键。 当然，上面的逻辑将应用于查找负载中，所以假设我们将有3个代理键：1、2和3

但主要问题是——哪种方法更适合事实表：

• 将逻辑从查找负载复制到事实负载？性能更好，但这对维护来说更糟（如果将来需要更改，则需要在两个位置应用更改），并且代理密钥也需要硬编码
• 将上述条件置于联接条件中？显然，对于维护来说会更好，但是对于性能来说会更差（事实表每天插入大约10000行）
• 或者也许有另一种解决办法？在源系统中组合上述条件也不是一个选项

---

欢迎提出所有建议。

我过去曾多次对代理键和事实负载进行建模，根据我的经验（15年），以下设计是最佳平衡：

代理键表设计（dim_sgk） 暗号 BR1_ID1 BR1_ID2 BR1_ID3 BRn_IDx。。。 记录\u开始\u dttm

假设您有一个stage表（stg_tbl），在其中加载带有业务键src1.col1、src1.col2和src1.col3的源数据/文件

现在，当您从stage表加载代理键表时

Select *
from 
stg_tbl left outer join dim_sgk 
on stg_tbl.src1.col1 = dim_sgk.br1_id1
and stg_tbl.src1.col2 = dim_sgk.br1_id2
and stg_tbl.src1.col3 = dim_sgk.br1_id3
where dim sgk.dim_id is null

并为3个业务键的所有唯一组合生成（或根据rdbms技术及其优缺点自动生成）代理键

一旦代理键表被刷新；您可以通过将源事务表与代理键表连接并沿途拾取代理键（左外连接）来开始加载事实

我已经将业务键作为非pk属性保留在事实表中，仅用于报告目的。不需要将代理键与事实连接起来，以便以后只拾取业务键。您可以使用代理键优化连接和磁盘上数据的分发。但是，尽管将业务密钥保留为非识别属性，但事实上，这两个方面都是最好的

您应该记住代理键的多个原则（错误处理、孤立处理等）。根据您的rdbms技术，基于某个索引对表进行分区可能是有意义的，该索引可以帮助您检索错误/-1，并在不影响性能的情况下将它们重新处理到事实表中。如果你需要了解更多关于这项技术的信息，请随时联系我。很乐意帮忙

关于SGKs的另一个问题，我提供了一个非常详细的指南，您可以使用它作为参考

亲切问候,，

---

巴巴尔

感谢巴巴尔的澄清。你们的方法看起来很好，但是我们没有义务改变仓库的逻辑，因为仓库已经生产了几年。更重要的是，我想你们说的是在给定的表中定义唯一记录的主代理键，我使用了术语“代理”，但这可能会让人困惑，因为这不是事实表中的行的id，而是提到的查找表中的行的id。无论如何，我们需要坚持所描述的逻辑，这是无法改变的。