分享

大数据项目之电商数仓(总结)(一):系统业务数据仓库

问题导读:
1、如何理解电商业务流程 ?
2、SPU又是干什么的呢?
3、电商表结构如何设计?
4、数据同步策略的类型包括哪些?



上一篇大数据项目之电商数仓(总结)(十五):用户行为数据仓库
https://www.aboutyun.com/forum.php?mod=viewthread&tid=30075



第1章 电商业务与数据结构简介
1.1 电商业务流程   
2021-01-05_194908.jpg

1.2 电商常识(SKU、SPU)
  • SKU=Stock Keeping Unit(库存量基本单位)。现在已经被引申为产品统一编号的简称,每种产品均对应有唯一的SKU号。
  • SPU(Standard Product Unit):是商品信息聚合的最小单位,是一组可复用、易检索的标准化信息集合。
比如,咱们购买一台iPhoneX手机,iPhoneX手机就是一个SPU,但是你购买的时候,不可能是以iPhoneX手机为单位买的,商家也不可能以iPhoneX为单位记录库存SKU。必须要以什么颜色什么版本的iPhoneX为单位。比如,你购买的是一台银色、128G内存的、支持联通网络的iPhoneX,商家也会以这个单位来记录库存数。那这个更细致的单位就叫库存单元(SKU)。

那SPU又是干什么的呢?


2021-01-05_194957.jpg

SPU表示一类商品。好处就是:可以共用商品图片,海报、销售属性等。
1.3 电商表结构
2021-01-05_195028.jpg

1.3.1 订单表(order_info)
2021-01-05_195103.jpg

1.3.2 订单详情表(order_detail)
2021-01-05_195136.jpg
1.3.3 商品表
2021-01-05_195204.jpg

1.3.4 用户表
2021-01-05_195233.jpg

1.3.5 商品一级分类表
2021-01-05_195306.jpg

1.3.6 商品二级分类表
2021-01-05_195331.jpg

1.3.7 商品三级分类表
2021-01-05_195405.jpg

1.3.8 支付流水表
2021-01-05_195436.jpg


第2章 数仓理论(面试重点)
2.1 表的分类
2.1.1 实体表
实体表,一般是指一个现实存在的业务对象,比如用户,商品,商家,销售员等等。
用户表:
2021-01-05_195528.jpg

2.1.2 维度表
维度表,一般是指对应一些业务状态,编号的解释表。也可以称之为码表。
比如地区表,订单状态,支付方式,审批状态,商品分类等等。


2021-01-05_195608.jpg

2.1.3 事务型事实表
事务型事实表,一般指随着业务发生不断产生数据。特点是一旦发生不会再变化。
一般比如,交易流水,操作日志,出库入库记录等等。

2021-01-05_195639.jpg

2.1.4 周期型事实表
周期型事实表,一般指随着业务发生不断产生变化(更新, 新增)的数据。
与事务型不同的是,数据会随着业务周期性的推进而变化。
比如订单,其中订单状态会周期性变化。再比如,请假、贷款申请,随着批复状态在周期性变化。

订单表:
2021-01-05_195710.jpg

2.2 同步策略
数据同步策略的类型包括:全量表、增量表、新增及变化表、拉链表
  • 全量表:存储完整的数据。
  • 增量表:存储新增加的数据。
  • 新增及变化表:存储新增加的数据和变化的数据。
  • 拉链表:对新增及变化表做定期合并。


2.2.1 实体表同步策略
实体表:比如用户,商品,商家,销售员等
实体表数据量比较小:通常可以做每日全量,就是每天存一份完整数据。即每日全量。

2.2.2 维度表同步策略
维度表:比如订单状态,审批状态,商品分类
维度表数据量比较小:通常可以做每日全量,就是每天存一份完整数据。即每日全量。
说明:
1)针对可能会有变化的状态数据可以存储每日全量。
2)没变化的客观世界的维度(比如性别,地区,民族,政治成分,鞋子尺码)可以只存一份固定值。

2.2.3 事务型事实表同步策略
事务型事实表:比如,交易流水,操作日志,出库入库记录等。
因为数据不会变化,而且数据量巨大,所以每天只同步新增数据即可,所以可以做成每日增量表,即每日创建一个分区存储。

2.2.4 周期型事实表同步策略
周期型事实表:比如,订单、请假、贷款申请等
这类表从数据量的角度,存每日全量的话,数据量太大,冗余也太大。如果用每日增量的话无法反应数据变化。
每日新增及变化量,包括了当日的新增和修改。一般来说这个表,足够计算大部分当日数据的。但是这种依然无法解决能够得到某一个历史时间点(时间切片)的切片数据。
所以要用利用每日新增和变化表,制作一张拉链表,以方便的取到某个时间切片的快照数据。所以我们需要得到每日新增及变化量。


2021-01-05_195743.jpg

2.3 范式理论
2.3.1 范式概念
关系型数据库设计时,遵照一定的规范要求,目的在于降低数据的冗余性,目前业界范式有:第一范式(1NF)、第二范式(2NF)、第三范式(3NF)、巴斯-科德范式(BCNF)、第四范式(4NF)、第五范式(5NF)。
范式可以理解为设计一张数据表的表结构,符合的标准级别。

使用范式的根本目的是:
  1)减少数据冗余,尽量让每个数据只出现一次。
  2)保证数据一致性
缺点是获取数据时,需要通过Join拼接出最后的数据。

2.3.2 函数依赖


2021-01-05_195950.jpg

2.3.3 三范式区分
2021-01-05_200022.jpg

2021-01-05_200053.jpg

2021-01-05_200114.jpg

最新经典文章,欢迎关注公众号



没找到任何评论,期待你打破沉寂

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /2 下一条