基于Hadoop生态圈的数据仓库实践 —— 进阶技术（六）

六、维度层次
        大多数维度都具有一个或多个层次。例如，日期维度就有一个四级层次：年、季度、月和日。这些级别用date_dim表里的列来表示。日期维度是一个单路径层次，因为除了年-季度-月-日这条路径外，它没有任何其它层次。本节讨论在维度的层次上进行分组和钻取查询。多路径层次在下一节“多路径和参差不齐的层次”中讨论。
        为了识别数据仓库里一个维度的层次，首先要理解维度中列的含义，然后识别两个或多个列是否具有相同的主题。例如，日、月、季度和年具有相同的主题因为它们都是关于日期的。具有相同主题的列形成一个组，组中的一列必须包含至少一个组内的其它成员，例如，在前面提到的组中，月包含日。这些列的链条形成了一个层次。例如，日-月-季度-年这个链条是一个日期维度的层次。除了日期维度，产品和客户维度也有层次。
        下表显示了三个维度的层次。注意客户维度具有两个路径的层次。

customer_dim

ptoduct_dim

date_dim

customer_street_address

shipping_address

product_name

date

customer_zip_code

shipping_zip_code

product_category

month_name

customer_city

shipping_city

 

quarter

customer_state

shipping_state

 

year

分组和钻取查询
        可以在层次上进行分组和钻取查询。分组查询是把度量按照一个维度的一个或多个级别进行分组。下面的脚本是一个分组查询的例子。这个查询按产品（product_category列）和日期维度的三个层次级别（year、quarter和month列）分组返回销售金额。

USE dw;    SELECT product_category,         year,         quarter,         month,         SUM(order_amount) sum_order_amount  FROM sales_order_fact a,         product_dim b,         date_dim c   WHERE a.product_sk = b.product_sk     AND a.order_date_sk = c.date_sk  GROUP BY product_category , year , quarter , month  CLUSTER BY product_category , year , quarter , month;

        查询结果如下图所示。分组查询的输出显示了每一行的度量（销售订单金额）都沿着年-季度-月的层次分组。

        与分组查询类似，钻取查询也把度量按照一个维度的一个或多个级别进行分组。但与分组查询不同的是，分组查询只显示分组后最低级别（本例中是月级别）上的度量（订单金额的汇总），而钻取查询显示分组后维度每一个级别的度量。下面使用两种方法进行钻取查询，结果显示了每个日期维度级别（年、季度和月级别）的订单汇总金额。

USE dw;  -- 使用union all SELECT product_category, time, order_amount  FROM(SELECT product_category,        case when sequence = 1 then concat('year: ', time)            when sequence = 2 then concat('quarter: ', time)            else concat('month: ', time)       end time,       order_amount,        sequence,        date  FROM (SELECT product_category, min(date) date, year time, 1 sequence, SUM(order_amount) order_amount  FROM sales_order_fact a, product_dim b, date_dim c   WHERE a.product_sk = b.product_sk     AND a.order_date_sk = c.date_sk   GROUP BY product_category , year UNION ALL SELECT product_category, min(date) date, quarter time, 2 sequence, SUM(order_amount) order_amount  FROM sales_order_fact a, product_dim b, date_dim c   WHERE a.product_sk = b.product_sk     AND a.order_date_sk = c.date_sk   GROUP BY product_category , year , quarter  UNION ALL SELECT product_category, min(date) date, month time, 3 sequence, SUM(order_amount) order_amount  FROM sales_order_fact a, product_dim b, date_dim c   WHERE a.product_sk = b.product_sk     AND a.order_date_sk = c.date_sk   GROUP BY product_category , year , quarter , month) x CLUSTER BY product_category , date , sequence , time) y;  -- 使用grouping__id函数SELECT product_category, time, order_amount  FROM(SELECT product_category,        case when gid = 3 then concat('year: ', year)            when gid = 7 then concat('quarter: ', quarter)            else concat('month: ', month)       end time,       order_amount,       gid,       date  FROM(SELECT product_category, year, quarter, month, min(date) date, SUM(order_amount) order_amount, CAST(grouping__id AS INT) gid  FROM sales_order_fact a, product_dim b, date_dim c   WHERE a.product_sk = b.product_sk     AND a.order_date_sk = c.date_sk  GROUP BY product_category , year , quarter , month with rollup) x WHERE gid > 1 CLUSTER BY product_category , date , gid , time) y;

        查询结果如下图所示。