只答事务型?一追问就卡
面试官问:事实表有哪些类型?你答:事务事实表、周期快照事实表、累积快照事实表。面试官追问:每种一行代表什么?库存为什么不能直接用流水算?只会背名字,一追问就卡住。上期讲了星型模型,今天就拆开中间那张事实表。
一句话回答:事务事实表记录一次业务事件,周期快照记录固定时间点的状态。累积快照记录一个流程的生命周期。再补一个加分项:无事实事实表,记录没有度量、但值得统计的发生关系。
先看痛点。痛点一:所有事实都建成事务流水,查库存会很痛苦。库存、余额、积分不是事件,而是某个时间点的状态。只有库存变动流水,想查昨天的期末库存,就得从历史第一天,把入库出库一路累加到昨天。几百亿条流水,报表慢,补数重算还容易出错。每天拍一张库存快照,按日期直接查就行。
痛点二:把流程拆成一堆事件表。订单从下单、支付、发货到签收,是一条流程。老板问:下单到支付平均多久?你得在四张事件表之间 JOIN,还容易漏状态、重复匹配。换成累积快照:一个订单一行,里程碑时间都在同一行,阶段耗时直接相减。
痛点三:觉得没有度量值,就不用建事实表。用户浏览商品、学生选课、用户签到,都没有数量字段,但浏览人数、签到天数照样要统计。这类表叫无事实事实表。来没来,本身就是事实。
正式看四种类型。第一种,事务事实表:一行就是一次不可再拆的业务事件。一笔订单明细、一次支付、一次点击,事件来了就追加一行。特点是数据量最大、只增不改,是 DWD 层最核心的事实来源。重点是粒度要够细。一行一笔订单,只能看到订单总额。一行一个订单明细,才能看到每个商品贡献了多少 GMV。细粒度能聚合成粗粒度,反过来就还原不回去。
第二种,周期快照事实表:不问发生了什么,而问这个时间点是什么状态。比如每天每个仓库每个商品的库存,每月每个用户的账户余额,按周期生成,每天一行。面试细节:库存是半可加度量,可以按仓库、商品相加,但不能跨时间相加。今天库存一百件,明天八十件,不代表你有一百八十件。做周报要取周末库存,或者算平均库存。
第三种,累积快照事实表:一行代表一个流程实例,比如一个订单、一个工单、一次贷款审批。订单刚创建,只有下单时间;支付后补上支付时间,发货、签收再逐列补齐。所以它最大的特点是会更新,和事务事实表的只增不改正好相反。Hive 不方便单行更新,常见做法是每天按最新状态重算分区。或者拉链式全量覆盖,拉链表可以回看第 7 期。支持 MERGE 的湖仓表或 MPP 数据库,就直接 MERGE INTO,更新同一行。它不保留事件明细,只把关键节点压到一行,专门分析流程效率。
第四种,无事实事实表。无事实指的是没有显式的数值度量,不是没有业务事实。比如用户报名活动,一行只有用户、活动和报名时间,用 COUNT 统计报名人数。它还常用来记录覆盖关系:一场促销覆盖了哪些门店、哪些商品,覆盖率就能直接算出来。
四种放在一起,对比表不用死背,抓住一个问题就够:一行代表什么?一次事件,是事务事实表;一个时间点的状态,是周期快照。一个流程实例,是累积快照;一次关系发生,是无事实事实表。所以事实表类型不是按表名分的,而是按粒度和业务问题分的。
再补一个容易被忽略的点:度量值的可加性。可加度量,比如 GMV、购买件数,在所有维度上都能相加,事务事实表里最常见。半可加度量,比如库存、余额,前面讲过,不能跨时间相加。不可加度量,比如转化率、客单价,要先汇总分子和分母,再做计算。
真实项目里,事实表类型不是单选题。拿电商交易域来说:订单明细和支付明细是事务事实表,每日库存是周期快照。订单生命周期是累积快照,活动商品覆盖是无事实事实表。它们不互相替代,分别回答卖了多少、还剩多少、流程多久、覆盖了谁。
串成决策树:选出类型后,每类再追问一句。事务表问粒度够不够细,不够就回到原子事件。周期快照问能不能跨时间相加,不能就按快照日期取值。累积快照问里程碑是否固定;变化很大,就保留事件流水,再按场景派生宽表。
最后看两个常见追问。一:事务事实表为什么最常见?因为原子事件还在,下游就能按天、按商品、按城市任意聚合。所以 DWD 层优先保留事务事实表,再到 DWS 层派生快照表和汇总表。二:周期快照和累积快照有什么区别?简单记:周期快照看某天是什么状态,累积快照看一个流程走到哪了。
面试回答提炼成一段:先说三大类,再补一个无事实事实表。事务记事件,只增不改;周期快照记状态,不能跨时间相加。累积快照记流程,里程碑不断补齐;无事实记关系,用 COUNT 统计。最后点题:先看一行代表什么,再决定用哪种事实表。