HAWQ取代传统数仓实践（十七）——事实表技术之累积度量

        累积度量指的是聚合从序列内第一个元素到当前元素的数据，例如统计从每年的一月到当前月份的累积销售额。本篇说明如何在销售订单示例中实现累积月销售数量和金额，并对数据仓库模式、初始装载、定期装载做相应地修改。累积度量是半可加的，而且它的初始装载要复杂一些。

一、建立累积度量事实表

        执行下面的脚本创建month_end_balance_fact事实表，用来存储销售订单金额和数量的月累积值。

set search_path=tds;create table month_end_balance_fact (        year_month int,        product_sk int,        month_end_amount_balance numeric(10,2),        month_end_quantity_balance int ); comment on table month_end_balance_fact is '累积度量事实表';   comment on column month_end_balance_fact.year_month is '年月';   comment on column month_end_balance_fact.product_sk is '产品代理键';        comment on column month_end_balance_fact.month_end_amount_balance is '累积金额';        comment on column month_end_balance_fact.month_end_quantity_balance is '累积数量';   

二、初始装载

        现在要把month_end_sales_order_fact表里的数据装载进month_end_balance_fact表，下面显示了初始装载month_end_balance_fact表的脚本。此脚本装载累的月销售订单汇总数据，从每年的一月累积到当月，累积数据不跨年。

insert into month_end_balance_fact   select a.year_month,       b.product_sk,       sum(b.month_order_amount) month_order_amount,           sum(b.month_order_quantity) month_order_quantity   from (select distinct                year_month,                year_month/100 year1,                year_month - year_month/100*100 month1          from v_month_end_sales_order_fact) a,       (select *,               year_month/100 year1,                year_month - year_month/100*100 month1,               max(year_month) over () max_year_month            from v_month_end_sales_order_fact) b where a.year_month <= b.max_year_month   and a.year1 = b.year1 and b.month1 <= a.month1 group by a.year_month, b.product_sk;

        子查询获取month_end_sales_order_fact表的数据，及其年月和最大月份代理键。外层查询汇总每年一月到当月的累积销售数据，a.year_month <= b.max_year_month条件用于限定只统计到现存的最大月份为止。
        为了确认初始装载是否正确，在执行完初始装载脚本后，分别查询month_end_sales_order_fact和month_end_balance_fact表。
        查询周期快照：

select year_month,         product_sk psk,         month_order_amount amt,         month_order_quantity qty    from v_month_end_sales_order_fact  order by year_month, psk;

        查询结构如图1所示。

图1

        查询累积度量：

select year_month,       product_sk psk,         month_end_amount_balance amt,         month_end_quantity_balance qty    from month_end_balance_fact order by year_month, psk;

        查询结构如图2所示。

图2

        可以看到，2016年3月的商品销售金额被累积到了2016年4月，2016年3月和4月的商品销售金额被累积到了2016年5月，等等。

三、定期装载

        下面所示的month_balance_sum.sql脚本用于定期装载销售订单累积度量，每个月执行一次，装载上个月的数据。可以在执行完月周期快照表定期装载后执行该脚本。

insert into month_end_balance_fact    select year_month,             product_sk,             sum(month_order_amount),             sum(month_order_quantity)      from (select *              from v_month_end_sales_order_fact          where year_month = :v_year_month         union all            select :v_year_month,                 product_sk product_sk,                 month_end_amount_balance month_order_amount,                 month_end_quantity_balance month_order_quantity             from month_end_balance_fact             where year_month in (select max(case when :v_year_month - :v_year_month/100*100 = 1 then 0 else year_month end)       from month_end_balance_fact)) t   group by year_month, product_sk;

        子查询将累积度量表和月周期快照表做并集操作，增加上月的累积数据。最外层查询执行销售数据按月和产品的分组聚合。最内层的case语句用于在每年一月时重新归零再累积。:v_year_month以是年月参数。

四、测试

        执行月周期快照函数，装载2017年6月的数据。

select fn_month_sum(201706);

        执行累积度量定期装载脚本，以shell命令`date +%Y%m`的输出作为年月参数传入month_balance_sum.sql文件中。

su - gpadmin -c 'export PGPASSWORD=123456;psql -U dwtest -d dw -h hdp3 -v v_year_month=''`date +%Y%m`'' -f ~/month_balance_sum.sql'

        执行和前面初始装载后相同的查询，周期快照表和累积度量表的查询结果分别如图3、图4所示。

图3

图4

        可以看到，2017年5月的商品销售金额和数量被累积到了2017年6月。产品1、2、5累加了5、6两个月的销售数据，产品3、4在6月没有销售，所以5月的销售数据顺延到6月。

五、查询

        事实表中的数字度量值可划分为可加、半可加、不可加三类。可加性度量可以按照与事实表关联的任意维度汇总，就是说按任何维度汇总得到的度量和是相同的，事实表中的大部分度量属于此类。半可加度量可以对某些维度汇总，但不能对所有维度汇总。余额是常见的半可加度量，除了时间维度外，它们可以跨所有维度进行加法操作。另外还有些度量是完全不可加的，例如比例。对非可加度量，较好的处理方法是尽可能存储构成非可加度量的可加分量，如构成比例的分子和分母，并将这些分量汇总到最终的结果集合中，而对不可加度量的计算通常发生在BI层或OLAP层。
        累积度量必须要小心使用，因为它是“半可加”的。一个半可加度量在某些维度（通常是时间维度）上是不可加的。例如，可以通过产品正确地累加月底累积销售金额。 

dw=> select year_month, sum(month_end_amount_balance) s  dw->   from month_end_balance_fact    dw->  group by year_month  dw->  order by year_month;  year_month |     s     ------------+-----------     201603 | 191158.00     201604 | 345600.00     201605 | 455772.00     201606 | 572190.00     201705 | 253400.00     201706 | 272086.00(6 rows)

        而通过月份累加月底金额：

dw=> select product_name, sum(month_end_amount_balance) s  dw->   from month_end_balance_fact a,  dw->        product_dim b  dw->  where a.product_sk = b.product_sk  dw->  group by product_namedw->  order by product_name;  product_name   |     s     -----------------+----------- flat panel      |  99332.00 floppy drive    | 927195.00 hard disk drive | 932285.00 keyboard        | 125220.00 lcd panel       |   6174.00(5 rows)

        以上查询结果是错误的。正确的结果应该和下面的在month_end_sales_order_fact表上进行的查询结果相同。

dw=> select product_name, sum(month_order_amount) s  dw->   from month_end_sales_order_fact a,  dw->        product_dim b  dw->  where a.product_sk = b.product_sk  dw->  group by product_namedw->  order by product_name;   product_name   |     s     -----------------+----------- flat panel      |  49666.00 floppy drive    | 348655.00 hard disk drive | 375481.00 keyboard        |  67387.00 lcd panel       |   3087.00(5 rows)

        注意，迟到的事实对累积度量的影响非常大。例如，2016年1月的数据到了2017年1月才进入数据仓库，那么2016年2月以后每个月的累积度量都要改变。如果重点考虑迟到事实数据和HAWQ无法行级更新的限制，也许使用查询视图方式实现累积度量是更佳选择。

create view v_month_end_balance_fact as select a.year_month,       b.product_sk,       sum(b.month_order_amount) month_order_amount,           sum(b.month_order_quantity) month_order_quantity   from (select distinct                year_month,                year_month/100 year1,                year_month - year_month/100*100 month1          from v_month_end_sales_order_fact) a,       (select *,               year_month/100 year1,                year_month - year_month/100*100 month1,               max(year_month) over () max_year_month            from month_end_sales_order_fact) b where a.year_month <= b.max_year_month   and a.year1 = b.year1 and b.month1 <= a.month1 group by a.year_month, b.product_sk;