上一篇文章我们讲了《维度表的设计》，今天我们聊一下事实表的设计。一样，我们的目录结构和内容参考了《阿里巴巴大数据之路》一书。
事实表的基础
概念
粒度
事实表中的每一条记录所表达的业务细节程度被称为粒度。
粒度由两种方式表述：
- 维度属性组合所表示的细节程度
- 所表示的具体业务含义
事实
用来描述业务过程的度量，一般是整形、浮点型的十进制数值。
- 可加：对任何维度进行汇总
- 半可加：只能对特定维度进行汇总，如库存，按照地点、商品维度汇总是有意义的，按时间汇总是无意义的
- 不可加：比率型，需要拆解为可加的度量来实现汇总，如商品购买率=> 购买人数，浏览人数
相对于维度表，事实表会显得更细长，变化速度也会比维度表快。
事实表中也是可以存储维度属性的，这种操作称为——维度退化，而相应的维度属性称为——退化维度。
事实表类型
- 事务事实表：按最细粒度来保存业务过程的数据，如购买商品事实表
- 周期快照事实表：按照固定的时间间隔（年、月、日），记录事实
- 累计快照事实表：覆盖整个业务生命周期，从开始到结束的累计事实，通常具有多个日期时间字段来记录关键的时间点，当生命周期发生变化，记录也会随之被修改。
设计原则
原则一：尽可能包含所有与业务过程相关的事实
事实表的设计目的是为了度量业务过程。所以分析哪些事实与业务过程有关，是设计中非常重要的关注点。在事实表中应尽量包含所有与该业务过程相关的事实，即使有冗余，但因为事实通常是数字型，带来存储开销不会很大！
原则二：只选择与业务过程相关的事实
在选择事实时，应该注意只选择与业务过程有关的事实。比如在下单的业务过程中，不应该存在支付金额这一个属于支付业务过程的事实。
原则三：不可加的事实拆分为可加的度量
如商品购买率 => 购买人数，浏览人数
原则四：在选择维度和事实之前必须先声明粒度
一般在设计事实表过程中，粒度定义越细越好，从最低级别的原子粒度开始能满足之后无法预期的用户需求。
在事实表中，通常通过业务描述来表述粒度（DWD），但对于聚集型的事实表（DWS），可通过单维度或者维度组合的方式来表述。
原则五：在同一个事实表中不能有多种不同粒度的事实
如下表，包含了小订单粒度、大订单粒度。大订单B1包含了小订单（L1001、L1002、L1003），很明显如果这两层不同粒度同时存在一张事实表，当汇总大订单付款金额时，会造成重复计算的问题。所以，大订单付款金额应该从此表删除。
原则六：事实的单位要保持一致
如金额统一成元或者分。
原则七：对事实的null值要处理
null值在特定的SQL查询引擎中是无法做汇总、比较或者过滤处理的，所以需要统一用零值填充。
原则八：使用退化维度提高事实表的可用性
维度退化到事实表最能提高使用表的效率，应尽量把常用、多用的维度属性退化到事实表中。比如，在事实表中增加商品维度表（商品名称），在查询商品名称汇总信息时就不需要再关联商品维表，减少I/O。
设计方法
- 确定业务需求和事实表的类型
进行详细的需求分析，分析业务整个生命周期，明确关键业务步骤，筛选与需求相关的业务过程。
- 声明粒度
尽量选择原子粒度
- 确定维度
粒度声明后，也意味着确定了主键，对应的维度组合跟相关维度字段也可以确定了
- 确定事实
确定“这个过程的度量有什么”，拆分不可加事实
- 冗余维度
维度尽可能退化到事实表中
事务事实表
设计过程
任何类型的时间都可以理解为一种事务。
针对这些食物构建事实表，用以跟踪自定义业务过程的个体行为，提供丰富的分析能力，作为数据仓库原子的明细数据。
下面以淘宝交易事务事实表为例，阐述事务事实表的设计过程。
选择业务过程
订单的流转过程：创建订单 》 买家付款 》 卖家发货 》 买家确认收货
对应 下单，支付，发货，成功 四个业务过程，这四个业务过程是交易中最重要的时间节点。
确定数据粒度
目前在淘宝下单交易时，有两种方式购买，
一是选定商品直接购买，这样会产生一个订单；
二是选择多种商品加入购物车后，再一起结算，这样每一种商品都会产生一个小订单，同时针对同一个店铺会额外产生一个大订单（由于是同一个店铺购买，所以大订单会承载了物流信息、店铺优惠信息等）。
我们选择子订单为数据粒度。
确定维度
维度包含：买家、卖家、商品、商品类目、发货地区、收货地区、大订单维度以及杂项维度。
所以我们可以简单把事实表理解为一下结构：
事实表 = 主键 + 度量 + 相关维度ID和退化维度
确定事实
以淘宝交易事务事实表为例，选定三个业务过程：下单、支付和成功完结，不同的业务过程有不同的事实。
由于是小订单维度，所以大订单产生的金额需要分摊回子订单上，如：邮费、店铺折扣等。具体会在父子事实的处理方式中详述。
冗余维度
将买卖家星级、标签、店铺名称、商品类型、商品特征、商品属性、类目层级等维度属性都冗余到事实表中，提高对事实表进行过滤查询、统计聚合的效率。
单事务事实表
上面图11.5中遗留一个问题：对于事实表中能否包含多个业务过程（下单、支付），还没有给出定论。
如果我们将业务过程分开处理那就是单事务事实表，参考以下形式：
我们会发现其实下单和支付业务的维度是一样的，只有度量不一样。
那我们是否能把两个业务过程合并起来？答案是可以的。
多事务事实表
讲不同的事实合并到同一个事实表中（一个事实表包含多个业务过程）。
合并后，针对度量我们有两种处理方式
- 不同的事实按照不同的字段存放
- 新增一个Flag标识业务过程，事实存放到同一个字段
确定业务过程和数据粒度
下单、支付、成功完结都有相同的数据粒度，都是子订单粒度，合适放到同一个事实表中。
确定维度
依然还是买家、卖家、商品、商品类目、发货地区、收货地区等
确定事实
多事务事实表最重要的是，如何处理多个事实。上面也说了两种方法。
采用方法一，用多个度量去保存且一个业务过程杂项维度标记，如：是否当天下单、是否当天支付、是否当天成功完结，标签之间互不相干。
采用方法二，统一一个度量保存，且一个业务过程增加一个标签标记。
如收藏商品事务事实表，增加一个标记【收藏事件类型 1=收藏，2=删除】来区分。不过收藏事务事实表，无事实，一般用于统计收藏或者删除的次数。
什么时候使用多事务事实表
- 当不同业务过程的度量比较相似、差异不大时，可以采用第二种多事务事实表的设计方式，使用同 个字段来表示 数据。但这种方式存在 个问题一一在同一个周期内会存在多条记录。
- 当不同业务过程的度量差异较大时，可以选择第一种事务事实表的设计方式，将不同业务过程的度量使用不同字段冗余到表中，非当前业务过程则置零表示。这种方式所存在的问题是度量字段零值较多。
两种事实表对比
事实的设计准则
- 事实完整性：事实表包含与其描述的过程有关的所有事实。如淘宝交易事务事实表中的支付业务，包含支付金额、支付邮费、支付红包、支付积分、支付折扣
- 事实一致性：统一、预先、尽可能地算好一些公式类的指标
- 事实可加性
周期快照事实表
特性
用快照采样状态
以预订的时间间隔采样状态度量（如：自然年初截止当日的下单金额），联合一个或者多个维度定义事实表的粒度。
快照粒度
周期+某个维度（如：商家的每月汇总事实、商家累计交易事实）
密度与稀疏性
周期快照事实表与事务型事实表关键区别在于：密度。事务事实表是稀疏的（有发生才会记录），而周期快照事实表是稠密的（无论发生与否都记录）。
半可加性
周期快照事实表中收集到的状态度量都是半可加的。（如：商家累计的下单金额）
产出方式
- 从事务型事实表汇总产出
- 从ODS（或操作性系统数据）产出
实例
设计周期快照事实表有两个步骤
- 确定快照粒度
- 确定采样的状态度量
单维度的日快照事实表
1. 确定粒度
采样周期为每日，针对卖家、买家、商品、类目、地区等维度构建周期快照事实表。如卖家历史至今汇总事实表，商品自然月至今汇总事实表。
2. 确定状态度量
【卖家历史至今汇总事实表】（业务日期，卖家ID，历史截止至当日的下单金额，历史截止至当日的下单买家数）
同样，商品日快照事实表
多维度的日快照事实表
多维度快照事实表其实是在单维度快照事实表中增加维度，如买卖家历史至今快照事实表。
注意事项
1. 事务与周期快照一般是成对出现的。
2. 附加事实：
- 有可能会在周期事实表中增加上一个周期的状态度量
- 一般会有：历史至当日、自然年至当日、季度至当日、财年至当日等配套出现
累积事实表
累积事实表，一般用于满足求事件之间的时长这种需求的。
设计过程
建模过程与事务事实表相同，适用于维度建模的步骤。
特点
- 数据会不断更新
- 有多个关键业务过程的日期（代表了生命周期）
特殊处理
如果出现关键业务过程非线性的情况（如下单后就关闭订单，而非走正常的下单-支付-发货-确认发货），那就从业务需求角度，确定好关键过程后再做累积事实表的设计。
物理实现
- 走全量表，一天一个全量分区，但是数据量大的情况会保存很多永远不会再更新的历史数据，不理想
- 走全量表的变化形式，归定每天保存前N天内的数据，超过的那部分归档处理，也不怎么理想
- 规定生命周期代表结束的业务过程，如订单结束/订单关闭，每天的分区存放当天结束的数据，然后设计一个无限大的分区（如：9999-12-31），来保存截止当天尚未走向生命周期结束的数据。理想，但是这种实现方式难点是如何确定订单结束。
三种事实表比较
无事实的事实表
一般有两种
- 事件类：如收藏购物车、浏览页面、点击等，其事实为1，但一般不保存
- 条件、范围、资格类：记录维度之间多对多的关系，如：客户和销售人员的分配情况，产品的促销范围等
聚集型事实表
聚集型（汇总型）事实表的出现，其实就是为了解决数据仓库性能问题。其实绝大部分数据都可以直接通过加工明细数据得出，但是我们会发现，每个企业都会有自己固定的、必须会看的数据，这部分数据如果经常看，数仓开发要经常查，数据分析也经常做重复的事情，那就有必要把这些数据根据固定维度固化到聚集型事实表中。一般来说，聚集只针对明细层而言，所以聚集不跨域、不跨越事实（意思是得按照明细层的原子指标，按照业务需求加工出多个衍生指标）。
聚集的原则
- 一致性：必须保证聚集后的数据与明细数据有一致的查询结果
- 避免单一表设计：一个表内的行不能存不同粒度的聚集数据。如有些行存放天汇总数据、有些行存放月汇总数据。应把天、月汇总数据分两列存放，列明必须标注好注释。
- 聚集粒度可以不同：聚集不需保持与明细粒度数据一样的粒度
聚集的步骤
- 确定维度
- 确定一致性上钻
- 确定事实
聚集的补充说明
- 聚集不跨越事实：事实都是从明细层过来的（注意别走偏了，聚集不跨越事实，但可包含同一个事实的不同度量）
- 聚集的问题：聚集是把常用的，固定粒度的数据沉淀下来。万一数据粒度改变，表需要重新做