表的分类
1.1维度建模中表的类型1.2事实表的三种分类
1.2.1事务事实表1.2.2周期快照事实表1.2.3累计快照事实表 1.2拉链表 ETL策略任务调动
表的分类 1.1维度建模中表的类型
（1）事实表：一般是指一个现实存在的业务对象，比如用户、商品、商家、销售员等，根据表的功能不同可以分为事务事实表、周期快照事实表、累计快照事实表；
（2）维度表：
一般是指对应一些业务状态，代码的解释表。也可以称之为码表通常使用维度对事实表中的数据进行统计、聚合运算就是在查询过程中可以对数据进行筛选或组织，主要是增加多维分析的一个性能，使多维分析变得更加灵活。
1.2事实表的三种分类
1.2.1事务事实表
其概念是随着业务不断产生的数据，一旦产生就不会在改变，如交易流水、操作日志、出库入库记录等，以交易流水为例：
这种表在数仓这块建设起来比较容易，因为数仓本身就不予许修改，这种顺序追加的表就很好实现。
其实就是随着业务周期的变化，需要重新计算。
随着业务周期型的推进而变化，完成间隔周期内的度量统计，如年、季度累计统计方式是周期+状态度量的组合，如年累计订单数，年是周期，订单总数是量度
1.2.3累计快照事实表
前面两种事实表是累计追加的，而此表是可以随时修改的，对数仓来说实现难度比较大的。
定义：记录不确定周期的度量统计（可能发生随机的修改），完全覆盖一个事实的生命周期，如订单状态表；通常有多个时间字段，用于记录生命周期中的关键时间点；只有一条记录，针对此记录不断更新。
累计快照事实表的具体实现
（1）实现方式一使用日期分区表，全量数据记录，每天的分区存储昨天全量数据与当天增量数据合并的结果；数据量大会导致全量表膨胀，存储大量永远不更新的冷数据，对性能影响较大；适用于数据量少的情况。
（2）实现方式二
使用日期分区表，推测数据最长生命周期，存储周期内数据；周期外的冷数据存储到归档表；需要保留多天的分区数据，存储消耗依然很大
（3）实现方式三
使用日期分区表，以业务实体的结束时间分区，每天的分区存放当天结束的数据；设计一个时间非常大的分区，如9999-12-31，存放截止当前未结束的数据；已结束的数据存放到相应分区，存放未结束数据的分区，数据量也不会很大，ETL性能好无存储浪费，数据全局唯一；业务系统可能无法标识业务实体的结束时间，可以使用其它相关业务系统的结束标志作为此业务系统的结束，也可以使用最长生命周期时间或前端系统的数据归档时间。 1.2拉链表
拉链表不属于维度建模表里，是很常用的表
拉链表记录每条信息的生命周期，用于保留数据的所有历史（变更）状态拉链表将表数据的随机修改方式，变为顺序追加
ETL策略（1）全量同步
数据初始化装载一定使用全量同步的方式因为业务、技术原因，使用全量同步的方式做周期数据更新，直接覆盖原有数据即可
如果数据量比较大，会导致整个ETL流程比较慢，甚至有些全量同步的周期会长达几个月
（2）增量同步
传统数据整合方案中，大多采用merge方式（update+insert）主流大数据平台不支持update操作，可采用全外连接+数据全量覆盖方式如果担心数据更新出错，可以采用分区方式，每天保存最新的全量版本，保留较短周期增量数据 任务调动
（1）任务调动可以解决什么问题？
解决任务单元间的依赖关系自动化完成任务的定时执行
以数据仓库为例：
（2）常见任务类型
Shell（用于启动仓库的一些组件，比如ETL的采集组件）Java程序（一般用于数据清洗，或实现其他自定义的功能）Mapreduce程序（一般用于数据清洗，或实现其他自定义的功能，自带分布式特性，吞吐量更高）SQL脚本（数据库的DDL、数据处理的一些任务）
（3）常见调度工具
AzkabanOozie
