数据仓库设计中最常见的粒度
Most common granularities in datawarehouse designs
我一直在寻找这个问题的答案：
在询问粒度时，给出的直接示例是：交易、日、周、月等。我找不到任何其他类型的示例。例如，我们是否可以考虑 'city'、'state' 等粒度？例如，我们何时考虑一家全国性公司的销售？换句话说，粒度总是某种时间类型吗？
不，粒度并不总是与时间相关。您的最低粒度通常是某种交易。 Kimball 使用的示例之一来自零售环境：与产品销售相关的最低粒度可能是在结账时扫描的商品。两个这样的交易可能同时发生，所以这不是基于时间的粒度。
任何东西 都可以 为 table 的粒度，但 Kimball 建议使用最低粒度，因为这更加灵活 - 然后您可以切片和以更多方式切分您的数据。您可能会选择一些汇总的 tables，您可以将数据汇总到周级别、州级别或几乎任何其他内容（可能出于性能原因，或者为了让某些用户更容易）——但这些都是不太可能是您的最低粒度。
以州为例 - 您可能在同一层次结构中拥有较低级别的信息，您可以按这些信息分析销售数据，例如县、市、邮政编码。您可能还拥有关于单个客户的数据、具体的订单参考、涉及的商店或销售办公室、处理订单时涉及的员工等。因此选择使用状态作为粒度事实 table，除非您有某些特定原因要从基于订单项目的交易事实 table 汇总。
您经常看到日期或时间字段，因为 table 的粒度在周期性快照事实中，但同样，这些通常是从其他粒度较低的数据源聚合而来的。
我一直在寻找这个问题的答案：
在询问粒度时，给出的直接示例是：交易、日、周、月等。我找不到任何其他类型的示例。例如，我们是否可以考虑 'city'、'state' 等粒度？例如，我们何时考虑一家全国性公司的销售？换句话说，粒度总是某种时间类型吗？
不，粒度并不总是与时间相关。您的最低粒度通常是某种交易。 Kimball 使用的示例之一来自零售环境：与产品销售相关的最低粒度可能是在结账时扫描的商品。两个这样的交易可能同时发生，所以这不是基于时间的粒度。
任何东西 都可以 为 table 的粒度，但 Kimball 建议使用最低粒度，因为这更加灵活 - 然后您可以切片和以更多方式切分您的数据。您可能会选择一些汇总的 tables，您可以将数据汇总到周级别、州级别或几乎任何其他内容（可能出于性能原因，或者为了让某些用户更容易）——但这些都是不太可能是您的最低粒度。
以州为例 - 您可能在同一层次结构中拥有较低级别的信息，您可以按这些信息分析销售数据，例如县、市、邮政编码。您可能还拥有关于单个客户的数据、具体的订单参考、涉及的商店或销售办公室、处理订单时涉及的员工等。因此选择使用状态作为粒度事实 table，除非您有某些特定原因要从基于订单项目的交易事实 table 汇总。
您经常看到日期或时间字段，因为 table 的粒度在周期性快照事实中，但同样，这些通常是从其他粒度较低的数据源聚合而来的。