具有大维度的定期快照事实 table
Periodic snapshot fact table with large dimensions
我被要求制作星图模型。
我有 3 个维度：
- 日期（日、月、年、周、季度...）
- 地点（500 个不同的值）
- 产品（8 万种不同的产品）
主要问题是一天结束时每个地方存储了多少物品（产品）。
经过一段时间的维度建模学习。我想我应该实施 定期快照 table。然而，通过阅读 Kimball 文档，我注意到定期快照需要为维度的每个组合输入一个条目。这意味着我应该每天添加 40M 行 (80k*500).
知道产品是（真正的）缓慢移动的，并且许多地方在很长一段时间内存储 零 产品，这听起来像是一个极端的矫枉过正。
仅供参考，三年后源数据库中的事务为 150k 行。
那么我真的应该每天添加 4000 万行，还是只添加指定产品的非空商店？另外，如果有一天由于某种原因所有商店都空了，我是否应该为那天做一个条目（商店和产品的维度 N/A）？
您建模正确。这取决于规格，但通常您只存储某个位置存在的产品（您不存储零），这可能会产生一个大大低于最大值 80k 的数字。
如果你想进一步减少你的数字，你可以存储最后 N 天，然后开始在 "cold" table 中移动数据。您存储（比如说）最近 10 天的快照，然后仅在主要 "hot" 事实 Table.
中存储每月快照
不排除在报表系统中即时计算快照的可能性，这取决于您的环境，这可能很容易（例如在 MDX 或 DAX 中）。混合解决方案也是可能的（即仅即时计算最后一个月）。
我被要求制作星图模型。
我有 3 个维度：
- 日期（日、月、年、周、季度...）
- 地点（500 个不同的值）
- 产品（8 万种不同的产品）
主要问题是一天结束时每个地方存储了多少物品（产品）。
经过一段时间的维度建模学习。我想我应该实施 定期快照 table。然而，通过阅读 Kimball 文档，我注意到定期快照需要为维度的每个组合输入一个条目。这意味着我应该每天添加 40M 行 (80k*500).
知道产品是（真正的）缓慢移动的，并且许多地方在很长一段时间内存储 零 产品，这听起来像是一个极端的矫枉过正。
仅供参考，三年后源数据库中的事务为 150k 行。
那么我真的应该每天添加 4000 万行，还是只添加指定产品的非空商店？另外，如果有一天由于某种原因所有商店都空了，我是否应该为那天做一个条目（商店和产品的维度 N/A）？
您建模正确。这取决于规格，但通常您只存储某个位置存在的产品（您不存储零），这可能会产生一个大大低于最大值 80k 的数字。
如果你想进一步减少你的数字，你可以存储最后 N 天，然后开始在 "cold" table 中移动数据。您存储（比如说）最近 10 天的快照，然后仅在主要 "hot" 事实 Table.
中存储每月快照不排除在报表系统中即时计算快照的可能性，这取决于您的环境，这可能很容易（例如在 MDX 或 DAX 中）。混合解决方案也是可能的（即仅即时计算最后一个月）。