DM - 如何判断来自OLTP系统的表是维度表还是事实表？

判断步骤

1️⃣ 看表内容

• 属性字段多 → 倾向维度表

• 指标字段多 → 倾向事实表

2️⃣ 看业务含义

• 描述实体 → 维度表

• 记录事件/交易 → 事实表

3️⃣ 看数据增长方式

• 历史追溯 → 维度表可拉链

• 新增为主 → 事实表

4️⃣ 看表粒度

• 每条记录唯一描述一个实体 → 维度表

• 每条记录唯一描述一次业务事件 → 事实表

 

1. 观察表的业务角色和数据粒度

• 事实表（Fact Table）：

  • 通常记录业务过程或事件（如销售、订单、库存变动）。

  • 表中的数据是 可度量的（measurable），如金额、数量、时间、成本等。

  • 数据通常具有 时间粒度，可能会随业务增长而快速累积。

  • 典型字段：order_id, amount, quantity, transaction_date。

• 维度表（Dimension Table）：

  • 描述事实表的上下文或属性（如客户、产品、地区、时间）。

  • 表中的数据是 描述性的（descriptive），通常不会像事实表一样快速增长。

  • 典型字段：customer_name, product_category, region_name。

思路：问自己 “这个表记录的是事件吗？还是描述对象的属性？”

• 如果是事件 → 偏事实表

• 如果是描述对象 → 偏维度表

---

2. 看主键和外键

• 事实表：

  • 通常包含多个外键（FK），指向维度表。

  • 主键可能是复合主键（多个维度 FK 的组合）或者一个业务生成的唯一 ID。

• 维度表：

  • 主键通常是单一的业务主键或代理键（Surrogate Key）。

  • 通常不包含指向其他表的外键（除了可能的层级关系，比如产品类别表指向上级类别表）。

例子：

订单事实表（Fact_Sales）：
- PK: order_id
- FK: customer_id, product_id, store_id
- Measures: quantity, total_amount

产品维度表（Dim_Product）：
- PK: product_id
- Attributes: product_name, category, brand

---

3. 看表的字段类型

• 事实表：

  • 大量数值型字段（可加总、可度量）。

  • 时间字段通常很重要，用于分析趋势。

• 维度表：

  • 以文本、分类码、枚举字段为主。

  • 描述性字段占多数（如名字、类别、属性）。

---

4. 观察数据的增长和使用模式

• 事实表：

  • 数据量大，增长快，通常按时间追加。

  • 用于聚合、统计和分析。

• 维度表：

  • 数据量相对较小，增长慢。

  • 主要用于提供事实表分析的上下文信息。

---

5. OLTP 系统的提示

• OLTP 系统中通常没有明确的“事实表”和“维度表”概念。

• 可以通过 业务分析 来映射：

  • 找到 业务事件表 → 对应事实表

  • 找到 业务实体表 → 对应维度表

---

✅ 总结判断思路

判断点	事实表	维度表
数据内容	事件/事务/度量	描述/属性
主键/外键	复合主键或事件 ID；多个 FK 指向维度表	单一主键；通常无外键
字段类型	数值字段多；可度量	描述性字段多
数据量与增长	大且增长快	小且增长慢
时间粒度	通常有时间字段	通常没有或非关键

 

 

对于那些既有属性又有指标的表如何将其拆分为维度表和事实表？

 

明白了，你说的情况就是 混合型表，既有描述性字段（属性），又有可度量字段（指标）。在 OLTP 系统里很常见，比如 订单表 里既有 customer_name、product_name（属性），又有 quantity、amount（度量）。在数据仓库建模中，需要 拆分成事实表和维度表 来满足星型或雪花模型的设计原则。下面我给你详细步骤。

---

1. 确定事实和维度的核心原则

1. 事实表：

   • 记录业务事件或事务，每一行代表一次事件（transaction/event）。

   • 包含 度量（measures），如数量、金额、成本。

   • 包含指向维度表的外键（FK），而不是描述字段。

2. 维度表：

   • 描述事实表中的对象（实体）。

   • 包含属性（descriptive attributes）和层级信息（hierarchy）。

   • 通常生成一个 代理键（surrogate key） 作为事实表的外键。

---

2. 拆分步骤

假设有一个 OLTP 表 Order：

order_id	order_date	customer_name	customer_region	product_name	product_category	quantity	total_amount

步骤 1：识别“度量”和“属性”

• 度量（Measures）： quantity, total_amount → 放入事实表

• 描述性字段（Attributes）： customer_name, customer_region, product_name, product_category → 可以拆成维度表

• 事件标识/时间字段： order_id, order_date → 属于事实表

---

步骤 2：定义维度表

客户维度表（Dim_Customer）：

customer_id (PK)	customer_name	customer_region

产品维度表（Dim_Product）：

product_id (PK)	product_name	product_category

注意：维度表一般生成 代理键，用于事实表外键关联。

---

步骤 3：定义事实表

订单事实表（Fact_Order）：

order_id (PK)	order_date	customer_id (FK)	product_id (FK)	quantity	total_amount

• 原来的描述性字段（名字、分类等）都替换为维度表的外键

• 度量字段保留在事实表

• 每行代表一个业务事件（订单）

---

步骤 4：处理层级和冗余属性

• 如果维度表存在层级（如 product_category -> product_subcategory -> product_name），可做 雪花模型 或保留在维度表

• 维度表可以保留冗余属性来方便分析，比如 customer_region 可以直接在客户维度表

---

3. 拆分策略总结

1. 列分析：每列判断是度量还是属性

   • 度量 → 事实表

   • 属性 → 维度表

2. 生成维度表：对描述性属性分组，生成独立维度表

3. 生成代理键：每个维度表生成 surrogate key，用作事实表外键

4. 重建事实表：保留度量、事件标识、时间字段和维度外键