数仓之事实表和维度表（一）_聚集事实表

事实表：

1.0事务事实表：（->明细事实表->聚合事实表）

记录的是事务层面的事实，保存的是最原子的数据，也叫做“原子事实表”。事务事实表中的数据在事务事件发生后产生，数据的粒度通常是每个事务一条记录。一旦事务被提交，事实表数据被插入，数据就不再进行更改，其更新方式为增量更新。

1.1.0明细事实表（单事件事实表，流程事实表）： 一般位于DWD层，该层事实表设计不进行聚合，汇总等动作，仅做数据规范化，数据降维动作，同时数据保持业务事务粒度，确保数据信息无丢失。

• 单事件事实表：
  1.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和灵活，数据处
  理上也更加灵活；
  2.不方便的地方就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；

• 流程事实表
  能够更直观的跟踪业务流转和当前状态，流程事实集中，方便大部分的通用分析应
  用场景，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；

1.2.0聚合事实表：相对于明细事实表，聚合事实表通常是在明细事实表的基础上，按照一定的粒度粗细进行的汇总、聚合操作，它的粒度较明细数据粒度粗，同时伴随着细节信息的丢失。聚合事实表一般位于DWS层，聚合事实表的数据来源可以是两种明细事实表中的任一种。

• 通用汇总层：封装底层计算逻辑，做通用汇总，避免上层直接访问下层明细数据，应用广泛
• 日粒度：数据范围一般为T-1天的数据
• 周期性积累：用于周期性分析，数据来源于通用汇总层，或者日粒度
• 历史积累：历史数据积累的大表，用于用户画像，特征提取，经营分析等场景，计算比较耗时。

2.0周期快照事实表

以一定的周期间隔来记录事实，它是在事务事实表之上建立的聚集表，记录的事实是这一段时间的聚集事实值。eg：销售日快照表，库存日快照表

3.0积累快照事实表

存储的不确定周期的事务数据的快照信息。

---

维度表

1.0稳定维度表

部分维度表的维度是在维度表产生以后，属性是稳定的，无变化的。eg：时间维度，区域维度，

2.0缓慢渐变维度表（拉链表）

维度数据会随着时间发生变化，变化速度非常缓慢。eg：电商平台的用户维度表，用户的收货地址是缓慢变化的。

总而总之：事实表有三种（事务事实表，周期快照事实表，历史快照事实表），维度表有两种（稳定维度维表，渐变维度维表）。

---

数仓分层：DW,DWD,DWB,DWS

data wareHouse 数据仓库
data wareHouse detail 细节数据层，业务层和数仓的隔离层
data wareHouse base 基础数据层，中间层
data warehouse service 服务数据层，作用于某个主题域的服务数据，一般是宽表