数据蒋堂 | JOIN延伸 - 维度其它应用

摘要： 明确维度定义后，还可以换一种更清晰的方式来审视数据库的结构。 这是我们常见的E-R图： E-R图是个网状结构，实体（表）之间的外键关系直接画在图上，当实体较多时这个图就会显得非常零乱，关联线很随意，任何两个实体之间都有可能发生关联，表现出来的数据结构耦合度很高。

明确维度定义后，还可以换一种更清晰的方式来审视数据库的结构。

这是我们常见的E-R图：

E-R图是个网状结构，实体（表）之间的外键关系直接画在图上，当实体较多时这个图就会显得非常零乱，关联线很随意，任何两个实体之间都有可能发生关联，表现出来的数据结构耦合度很高。在增加删除实体时就要考虑与之关联的所有其它实体，很可能发生遗漏关联或循环关联的现象。

而如果把维度抽取出来之后，我们可以使用总线式的结构图：

所有维度单独列出来处于中心地位，实体（表）只和维度发生关联，实体之间没有直接的关联线，数据结构的耦合度看起来很低。增加删除实体时不会影响到其它实体，不会发生遗漏关联和重复关联。

不过，需要指出的是。无论是E-R图还是总线图，只要画正确时，其中的关联线数量是差不多的，这是数据本身的关系决定的。总线图并不会比E-R中的关联线更少，但改变了看待方法后会更清晰。

为了提供关联查询能力，有些BI产品将表间关联关系（相当于一个局部E-R图）直接暴露给业务人员，这不是个好办法，业务人员难以理解E-R图，这个方案的可用性很差。如果能够由业务人员选择了数据项（字段）后就自动建立出合理的关联，那样可用性就能提高很多了。

有了维度概念，就可以一定程度地实现这一目标。

业务人员任意选择了字段之后，我们可以找出这些字段所在表，再在这些表之间寻找同维字段（优先选择主键），然后使用这些同维字段建立JOIN关系。当某个表上只有唯一的字段和另一表的主键字段同维时，那么基于这两个字段建立的JOIN关系在绝大多数情况下都是正确合理的。而且，在数据结构不是特别复杂的时候，两表之间只有唯一字段同维的条件也常常能够满足，这时候就真地能只基于数据项自动建立正确的关联关系，有些BI产品确实是这么做的。

不过，这种办法不能处理同表自关联和表间有多个同维字段的情况，以及多次递归关联的问题。想要完善地解决问题，还是需要基于DQL语法来实现关联。

上面的讨论中，我们会把发现的同维字段JOIN起来，DQL语法也是这样，只要同维的（广义）字段就可以JOIN。这样的JOIN一定有业务意义吗？

是的，只要是同维字段，JOIN起来总能想出合理业务意义。反过来，也只有同维字段之间可以JOIN，不同维字段的JOIN是没有业务意义的，不过SQL并不禁止，只要数据类型相同就可以JOIN。字段同维和JOIN有业务意义是等价的，DQL在这方面可以确保这一点。

DQL中GROUP BY总是要对应着ON（如果单表可以看成是省略ON），也就是说，GROUP BY总是针对某个维度进行的。事实上也是这样，针对测度的分组运算没有业务意义，不过SQL并没有明确出维度和测度的概念，也不会禁止这个运算。DQL则确保了不会发生无业务意义的分组。

利用这个特点，可以提高分组运算的性能。维度可能的取值是由维表长度决定的，而维表是事先知道的，这样在分组时可以采用类似基数排序法的手段提速，当然，针对维度的排序运算也可以用这种办法。不过，这个算法细节与本篇主题相关性较低，这里就不详细说明了。

原文发布时间为：2018-01-11

本文作者：蒋步星

本文来自云栖社区合作伙伴“数据派THU”，了解相关信息可以关注“数据派THU”微信公众号

如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件至：[email protected] 进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容。

原文链接