0

所以我的数据仓库中有两个维度：

dim_machine
-------------
machine_key
machine_name
machine_type


dim_tool
------------
tool_key
tool_name
machine_type

我要确保的是两个维度中的 machine_type 字段具有相同的数据。我应该在两者之间创建第三个维度来雪花，还是有其他选择？

4

2 回答 2

3

请记住，数据仓库是一种非规范化的结构，因此数据在维度上重复是正常的。应在操作系统和 ETL 过程中提供完整性。假设，我们有类似下面的模型。

替代文字

分发工具的业务流程必须知道哪个工具可以安装在哪台机器上。假设机器上安装了错误的工具。最好导入数据以匹配该事实并运行报告以发现业务流程中的错误，而不是因为工具和机器类型不匹配而中断 ETL 流程。

例如，像这样的查询（报告）会发现不匹配并证明非常有用。

select
      'tool-machine mismatch' as alarm
    , full_date
    , machine_name
    , machine_type
    , tool_name
    , matching_machine_type
    , employee_full_name
from fact_installed_tools as f
join dim_machine          as m on m.machine_key  = f.machine_key
join dim_tool             as t on t.tool_key     = f.installed_tool_key
join dim_date             as d on d.date_key     = f.date_key
join dim_employee         as e on e.employee_key = f.employee_key
where machine_type != matching_machine_type ;
于 2010-10-11T16:37:05.360 回答
2

我不确定您要解决的具体问题是什么？这听起来像是您可以简单地构建到 ETL 流程中的内容：对于这两个维度，将源数据映射到相同的机器类型目标列表。如果出现没有映射的新值，则引发错误（或设置默认占位符值并稍后查看数据）。

一个完全不同的选择是“微型维度”（Kimball 的术语），它包含所有可能的机器/工具组合。如果两个维度密切相关并且经常在搜索中一起使用，那么它可能是合并和简化它们的有用方法。但即便如此，我假设您将检查和清理源数据以符合机器类型。

于 2010-10-11T14:08:08.523 回答