3 关于数据仓库维度数据处理的方法探究系列——缓慢变化维概述和原理

缓慢变化维 Slowly Changing Dimensions（ A typical slowly changing dimension is a product dimension in which the detailed description of a given product is casionally adjusted. ）： 数据仓库数据加载规则，数据仓库中用于实现历史数据与当前数据的同时记录。

3.1 概述
缓慢变化维Slowly Changing Dimensions（A typical slowly changing dimension is a product dimension in which the detailed description of a given product is casionally adjusted.）：数据仓库数据加载规则，数据仓库中用于实现历史数据与当前数据的同时记录。与OLTP系统不同的是，数据仓库中可以保留下数据的变化信息，及历史数据的记录。
由于系统的设计不同， OLTP系统可以方便的得到实时的报表，却难于得到混合的、复杂的、包含历史的统计信息。数据仓库系统却由于有其专有的建模方式，可以方便的做到这些。在数据仓库中，一个典型的事实表设计，其包含多个代理主键，周围由多个星形围绕着它的维表构成，这些维表则是一些具有简单主键的表。对于维表数据的历史存储的需要，一种典型的数据加载规则即是 Slowly Changing Dimensions方式。即当维表数据发生改变，数据仓库需要感知，并真实的记录下数据的每一步细微变化。
但是通过代理键的方式进行维度的加载，一方面导致维度表设计过于复杂，另一方面事实表数据中的相应的键值也需要进行相应的代理键替换，从而导致了设计的复杂性、数据库性能的下降和维护的成本的提高，因此这些维度通常是根据用户需求和业务敏感度极高的基础表信息，例如某些企业内的工号，因为工号分配的限制，员工流失后，新进入的员工仍使用原来的员工号，对于 OLTP系统只需要一个简单的 UPDATE即可；而对于数据仓库系统则要区分同一个工号前后不同的人员信息，以避免查询时对同一个工号发生的歧义。



对于一般性的维度，仍建议使用最简单的方式进行维度处理，即覆盖法，对于维度只做更新和插入处理，不做删除，即只保留最后一次更新的状态，不保留历史状态，对于大多数维度信息已经足够。



3.2 原理
缓慢变化维的实现原理，采用的是数据仓库的 3种常用数据加载规则中的全表比对方式。在 ETL过程中，抽取所有源数据，并进行相应规则转换，完成后先不插入目标，而对每条数据进行目标表比对。根据主键值进行插入与更新的判定，目标表已存在该主键值的，表示该记录已有，并进行其余字段比对，如有不同，则进行 Update操作，如目标表没有存在该主键值，表示该记录还没有，即进行 Insert操作。通过全表比对，感知数据的变化，并进行相应的处理。
数据仓库的数据加载规则可以有多种方式实现，缓慢变化维是其中一种非常强大的方式。而根据它的具体设计不同又可分为 3种：覆盖、全历史记录、记录最新纪录及上一次历史。在以下的介绍中将把数据仓库的数据加载规则融入进去，并结合 SQLServer脚本的缓慢变化维的实现详细说明。