一致性維度：
1.很重要
2、在維度設計的時候一定要保證維度的一致性
eg：
兩個不同的業務：
1.流量的 item pv uv
2.交易的 item gmv
數據交叉探查：
將不同業務域 的 商品維度的數據 結合到一塊 進行展示！！
即：
item pv uv gmv 這是比較常見的
那麼一致性維度？
1.商品維度 對應：
1.流量域 ： a b c 三個屬性
2.交易域 ：b c e f g h 四個屬性
這個時候：
只有b c 可能 兩個商品數據 可能不一致的情況 就是說
這兩個域 數據可能 不能放在一塊來看
2.時間維度：
1.流量域 ： timestamp
2.交易域 ： yyyy-MM-dd
這種 進行數據交叉探查的時候 會導致 不一致
所以維度一致 是很重要的
那麼這些問題 該如何解決？？如何保證維度的一致性？？
1.共享維度表 （就是 你不同的域 建自己的維度的時候 要注意 一致性維度）
維度 整合與拆分：
整合：
1. 表名、字段名 命名規範統一
2. 字段類型的統一
3. 業務含義相同的表 進行統計
1.高內聚
2.低耦合
eg：
1.把源端 數據形式 差異較小的表進行整合
2.把源端 數據形式 差異很大的表進行拆分
1.主從表設計：
1.主表：
1.主要業務常用的維度屬性
2.從表：
1.業務中不常用的屬性
2.直接合並：
eg：
1.垂直合併：
1.eg：
低價區間 這個字段 依據 廣告樣式 和 價格來定的
就是 不需要 把 低價區間 按照不同的 廣告樣式 創建不同的字段
合在一個字段裏
2.水平合併
就是 上面的 不同廣告樣式 不同的低價區間字段
會有問題：
會有 null
拆分：
1.水平拆分：
eg：
維度設計可能遇到的問題：
1.某些維表屬性的來源表 產出數據的時間比較早
某些維表屬性的來源表 產出數據的時間比較晚
2.某些維表 字段 熱度比較高
某些維表 字段 熱度比較低
3.某些維表 字段 經常會變化
某些維表 字段 不會變化 穩定
這三個場景 有什麼好的解決方案呢？？
1.主從表設計
設計原則：
1.擴展性
2.易用性
3.效率
粒度方面也要考慮！ 粒度不一樣的字段 就不要放在一張表 ！
數據方面
歷史數據的歸檔：
1.歸檔策略：
1.通過設置數倉表的生命週期實現
1.ods 3天
2.dwd dws dim 3個月
3.report 歷史全部保留
4.增量表 歷史全部保留
緩慢漸變維：
1.看下面的圖
![在這裏插入圖片描述]()
1.當帽子 類目發生變化 變成 帽子類
![在這裏插入圖片描述]()
1.處理方式？
1.重寫 維度值
![在這裏插入圖片描述]()
第二種處理方式：
1.插入新的維度行 （上面的圖片 少了 商品key 我就不改了）
![在這裏插入圖片描述]()
業務需求 ：
eg：
將6月所有的數據 歸到老的類目
有什麼問題？？
1. 重寫維度 方式 做不到 ！！ 因爲類目全 變了
2. 插入新的維度 方式 做不到！！！ 實際上可以做到 where 對吧 很麻煩
eg：
你依照 商品ID 去關聯 發現 一個商品 id 對應兩個 類目
或者 依據 商品key 關聯 再where 也可以 (畢竟 商品key 是唯一的)
第三種方式：
1.新增維度列
![在這裏插入圖片描述]()
好處：
1.數據不會重複
2. 統計方便
想依據什麼類目統計 選就可以了
快照維表：
快照：就是 當時的 狀態 某個時間點的狀態
快照的週期：多久去獲取一次數據
eg： 1天、
按天獲取快照 該如何獲取和構建？？？
1.按天 進行數據抽取即可
注意：
1.抽取的是全量抽取
creattime updatetime
eg：
抽取 20200627 凌晨1點 抽取 到0627 24:點
createtime 小於 20200627 加上 updatetime 小於20200627 的數據
放入 hive dt=20200626
就可以達到按天構建全量表的 策略！
問題：
1.數據量達到一定程度 全量抽取 絕對不行！！這纔是1張表 n張表 是不可取的 ！！
2.抽取性能 業務 庫壓力很大
該如何解決呢？
1.增量抽取 + merge
2.拉鍊表
