创建维度代理键

Question

我知道在数据仓库维度中使用代理键是有充分理由的。 不过，我不明白如何将它们链接到我的事实表的外键。 在事实表中，我只有在ETL期间提取的自然键。原始数据库表中不存在代理键。 有什么建议吗？谢谢

Answer 1

有几个＆＃34;见＆＃34;以下参考。这是我在Stack Overflow上的第一个答案，所以我没有足够的声誉点来提供给你的链接。如果你在维基百科上查找这些术语，它们会提供比我更能说明这些术语的详细描述。

在我使用的数据仓库中，我们通常存储引用事实表中各个维度的代理键。实际上，除了在特殊情况下（例如degenerate dimensions），我避免在事实表中存储来自源系统的自然键。这有几个原因：

• 加入效率 - 某些源系统可能不使用简单的整数键;使用代理键可以降低这种复杂性，从而使您的数据仓库查询性能更好，因为它只需处理单列整数连接。
  • 从源系统中抽取事实表;您的事实表可能比特定的源系统（或源系统的版本）更长，或者事实可能来自具有不同自然键的不同源系统。无论自然键设计如何，事实表和维度表之间的关系都保持不变。
  • 准确有效的时间点事实 - 如果维度中的属性历史记录很重要，则可以使用代理键来存储维度行的历史副本，并将更正版本附加到事实表格行（参见慢速改变尺寸;特别是类型2）
  • 维度可以由来自多个源系统的多个事实表使用，或者我可以从多个源系统合并，在这种情况下，源系统自然键和维度代理键之间不存在简单的关系（请参阅符合维度）< / LI>
  • 未知 - 有时您可以获得自然键为NULL，无效值或某些奇怪的事实。您可以通过在维度表中使用一个或多个特殊行来表示“未知”，“无效”，“尚未发生”或任何适当的行来表示该条件并仍然保持数据库中的参照完整性。 （从技术上讲，NULL的值不是关键，但是一些数据库引擎会让你以数据仓库的性能和可用性为代价来逃避它）。
  • 我确定我忘记了一些非常重要的人......

通常，在加载事实表的转换阶段，我查找来自源系统的自然键的代理键，然后将代理键存储在事实表而不是自然键中。我不知道你在哪个平台上，你可以在大多数数据库平台上使用JOIN来做到这一点。我经常在Microsoft SQL Server平台上使用SSIS查找。

Answer 2

在加载事实表的ETL过程中实现代理键分配。

自然键，例如产品代码ABSFG-QXYX-12673726使用专用映射表映射到代理键，通常为整数，例如1238。

代理键非常有用，应该在以下情况下部署：

• 自然键是可更改的，即尽管更改了自然键，您仍需要使用相同的代理键进行报告

• 自然密钥可以重复使用，即您获得相同的自然密钥，但必须将其报告为新实体

• 自然键是不方便的，例如极长的哈希码，对于存储，加入或排序可能有问题

在某些使用案例中，代理键的使用应受到严厉质疑：

• 自然密钥（例如从源系统提取的密钥）已经代理（例如序列生成密钥）

• 源系统无法提供有关自然密钥的其他信息（例如更改或重用信息）;即代理键实际上是自然键的1：1映射。

• 永远不要将代理键用于时间维度，尤其是如果事实表按时间范围分区（因为代理键将禁用范围分区修剪）。

代理键也有其缺点

• 它需要ETL过程中的映射（性能）

• 最终报告可能需要反向映射到自然键（性能）

• 一致性 - 如果出现“未知”自然键，则必须处理代理键映射失败的情况。你应该拒绝事实记录还是（不完整的）映射表的问题？

• 当然，代理键映射中的ETL错误可能会导致问题......

因此，为了得出摘要，我会说是，使用代理键有充分的理由，但是还有很好的理由不使用代理键。您应该始终仔细检查来自源系统的界面，并使用检查每个维度密钥，检查使用代理键的利润是否高于成本。

Answer 3

要严格回答“如何将它们链接到我的事实表的外键”这一问题，您应首先通过分配代理键来加载您的维度，然后通过按业务键查找维度并找到代理键和用它来存储事实。或者，如果延迟到达维度，如果在事实加载时无法通过业务键找到维度成员，则使用业务键创建维度成员并使用指定的代理键。稍后，当维度成员到达DWH时，只需更新其中的其他属性。

从实际角度来看，如果不需要近乎实时的DWH，或者每天只更新DWH两次，例如每晚和午餐时间，只需几分钟即可重新加载如果您的主要事实表只有几百万条记录，那么请不要使用代理键。在实践中，如果你有非常大的工作量和数百万的事实，这是很好的。通过阅读本文https://technet.microsoft.com/en-us/magazine/2008.04.dwperformance.aspx

，您可以获得一些见解

如果你想利用非常大的DWH，例如大规模并行DWH或Hadoop技术，您应该将代理键更改为哈希键，以最大限度地减少数据移动，避免数据偏斜并提供平衡执行。