關於資料事實表彙總的模擬實現——原理

bq_wang發表於2008-02-14
在資料倉儲中通常會儲存雙重粒度級別的資料來滿足不同的需要,輕度綜合資料和原始資料,在原始資料層面上可以訪問細節資料,而在分析層面則訪問輕度綜合資料。

原始資料因為儲存了基本上原封不動的資料,導致系統儲存壓力增大,同時也造成查詢使系統效能的下降;而輕度綜合資料由於資料進行壓縮更為簡潔,通常情況下對資料倉儲的訪問95%以上都是透過輕度綜合資料訪問來進行的。

資料增量聚合的實現和增量抽取類似,都是儘量以時間戳的方式,儘量減少每次事務的開銷。

增量聚合

下面開始對基於時間戳的資料增量聚合進行系統設計:

1、首先需要定義一張資料字典表,定義需要進行處理的任務,其中主要包括任務名稱,任務描述,本次聚合開始時間、結束時間、當前時間、執行的系統時間,狀態,最大時限等等。

序號

欄位名稱

欄位描述

欄位型別

備註

1

factProcName

任務名稱

Varchar(40)

2

factDesc

任務描述

Varchar(100)

3

factType

任務型別

INT

4

LastLogTime

當前處理時間

Datetime

5

BeginTime

本次任務開始時間

Datetime

6

EndTime

本次任務結束時間

Datetime

7

Status

本次任務執行情況

Varchar(20)

FINSHED

RUNNING

EXCEPTION

8

LogLimit

本次任務處理最大時限

Int

9

Step

本次任務處理距離當前時間最大間隔

Int

10

CancelFlag

取消標誌

Int

1,取消

0,正常

11

CurTime

本次任務執行的系統時間

Datetime

2、有了這張字典表就可以開始進行工作了,為了方便表達,暫時處理成虛擬碼形式,同時只以一個表的處理為例。

1、獲取上次處理的惡最後時間,狀態和取消情況

2、如果取消狀態,則直接退出

3、判斷是否存在該任務

4、如果沒有,則新增,如果存在更新當前狀態為執行

5、獲取本次任務開始時間和結束時間

6、並根據系統表中的最大處理時限和時間間隔進行擷取時間

7、根據控制事務處理大小的粒度,進行迴圈抽取

8 INSERT INTO t_fact_table(TargetFieldList)

SELECT SourceFieldList FROM t_org_table

WHERE logdate> BeginDate

AND logdate< BeginDate+粒度

9、並同步進行時間和狀態的更新

來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/6517/viewspace-145461/,如需轉載,請註明出處,否則將追究法律責任。

相關文章