Quick BI 的模型設計與生成SQL原理剖析

Quick BI 的模型設計與生成SQL原理剖析

一、  摘要

隨著互聯網的高速發展，數據量呈現井噴式的增長，如何來分析和使用這些數據，使數據產生商業價值，已經變得越來越重要。值得高興的是，當前越來越多的人已經意識到了用數據分析決定商業策略的重要性，也都在進行著各行各業的數據分析。眾所周知數據分析的核心是數據，為了更容易的分析數據，數據模型的設計需要遵循一定的規范。當前最流行的聯機分析處理(OLAP)的規范為維度建模規范。本文介紹Quick BI如何進行維度建模，基于維度模型如何來自動化的生成分析查詢的SQL語句，從而使數據分析變得更容易。

關鍵字： Quick BI、OLAP、維度建模、SQL

二、  維度模型的分類

OLAP（On-line Analytical Processing，聯機分析處理）根據存儲數據的方式不同可以分為ROLAP、MOLAP、HOLAP。ROLAP表示基于關系數據庫存儲的OLAP實現（Relational OLAP），以關系數據庫為核心,以關系型結構進行多維數據的表示和存儲；MOLAP表示基于多維數據存儲的OLAP實現（Multidimensional OLAP）；HOLAP表示基于混合數據存儲的OLAP實現（Hybrid OLAP），如低層用關系型數據庫存儲，高層是多維數組存儲。接下來主要介紹基于關系型數據庫的ROLAP的建模原理。

ROLAP將多維數據庫中的表分為兩類：事實表和維度表。事實表用于存儲維度關鍵字和數值類型的事實數據，一般是圍繞業務過程進行設計，例如：銷售事實表，一般來存儲用戶在什么時間、地點購買了產品，銷量和銷售額等信息。維度表用于存儲維度的詳細數據，例如銷售事實表中存儲了產品維度的ID，產品維度表中存儲產品的名稱、品牌信息，兩者通過產品ID進行關聯。

ROLAP根據事實表、維度表間的關系，又可分為星型模型(Star Schema)、雪花模型(Snowflake Schema)。

1.    星型模型

星型模型它由事實表（FactTable）和維表（DimensionTable）組成。事實表中的維度外鍵分別與相對應的維表中的主鍵相關聯，關聯之后由于形狀看起來像是一個星星，所以形象的稱為星型模型。以下示例為星型模型：其中sales_fact_1997為事實表，存儲客戶在某個時間、某個商店、購買了某個產品，購買量和銷售額的信息，記錄的是一個下單過程。事實表sales_fact_1997通過外鍵product_id、customer_id、time_id、store_id分別與維度表product(產品維表)、customer(客戶維表)、time_by_day(時間維表)、store(商店維表)相關聯，關聯關系為多對一關聯。

2.    雪花模型

雪花模型是當有一個或多個維表沒有直接連接到事實表上，而是通過其他維表連接到事實表上時，其圖解就像一個雪花，故稱雪花模型。下面示例product（產品）維度表與product_class(產品類別)維度表通過product_class_id相關聯，關聯關系為多對一。product_class沒有與sales_fact_1997事實表直接關聯。

三、  基于ROLAP模型的SQL生成原理

模型構建好了后，接下來的重點就是針對分析需求來生成滿足分析需要的SQL語句，然后將SQL語句下發到DB中來查詢數據，返回分析結果。下面通過具體的需求場景來介紹如何生成SQL語句。

1.    基于星型模型(或雪花模型)生成SQL

需求場景：

按日期、產品查看總的銷售額、銷售量，日期限定在1997年，總銷售額限定在1000元以上，結果按照總的銷售額倒序排列，看前5個。

生成SQL思路

1.        分析需要用到的字段和表，目標是明確查詢需要用到哪些表、表間關系、表上分組字段、聚合字段，確定SQL中select和from信息。

2.        分析篩選條件，目標是明確SQL中where中需過濾的值。

3.        分析分組維度，目標是明確SQL中group by的字段。

4.        分析聚合后的篩選條件，目標是明確having中需要過濾的值。

5.        分析需要排序的列和排序類型(升序還是降序)。

6.        生成結果個數限制條件

7.        根據以上信息生成查詢SQL：

select 分組字段、聚合字段 from 表(含表關聯) where 篩選條件 group by 分組維度 having 聚合后的篩選條件 order by 排序信息 結果條數限制。

生成SQL

按照上面的步驟，和本例子中的需求，分析查詢中的關鍵信息（以下步驟與生成SQL思路中的步驟一一對應）

1.        用到的分組字段：the_date、product_name, 其中分組字段the_date為日粒度，需處理為年粒度：DATE_FORMAT(`the_date` , '%Y')

聚合字段：store_sales、unit_sales，聚合方式都為sum；

用到的表：sales_fact_1997、product、time_by_day；

表間關系：sales_fact_1997. product_id= product. product_id

   sales_fact_1997. time_id= time_by_day .time_id

2.        篩選條件：

the_date`= STR_TO_DATE('1997-01-01 00:00:00' ,'%Y-%m-%d %H:%i:%s')

3.        分組維度：DATE_FORMAT(`the_date` , '%Y')、product_name

4.        聚合后的篩選條件：SUM(`store_sales`) > 1000

5.        排序：order by 聚合后的別名 desc

6.        限制結果個數：limit 0,5

7.        生成的SQL如下

四、  附錄-用到的表

下面羅列出以上示例中用到的表的建表語句，需要在 MySQL數據庫下執行，其他類型數據庫需要做一些調整。

1.        sales_fact_1997表

2.        product表

3.        product_class表

4.        time_by_day表

5.        customer表

6.        store表