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。
基于Hadoop生态圈的数据仓库实践 —— 进阶技术(六)_第1张图片

        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。


你可能感兴趣的:(基于Hadoop生态圈的数据仓库实践 —— 进阶技术(六))