在 Kimball 星型模式中处理多粒度事实的方法

Question

我目前正在致力于构建星型模式。我有两个不同粒度的事实表。

• 事实表 A 具有Location级别的数据
• 事实表 B 具有LocationGroup级别的数据，这是Location
之上的摘要
• 我们有一个 Location 维度，可以滚动到 LocationGroup 级别。该表有主键

  LocationSk

• 我们有一个带有主键 LocationGroupSk

   的 

  LocationGroup
维度

我看到的用于分析这两个事实的选项（无需创建特殊视图或聚合表）如下所示：

A.向事实表 A 添加额外的

LocationGroupSk

列，以便两个事实表直接连接到 LocationGroup 维度。我将其称为“雪花”方法，因为我们需要两个维度，并且现在我们的维度中有雪花

B.在事实表 B 中添加一个

LocationSK

列，该列指向“虚拟”位置记录，该记录的 Location 为“N/A”，但 LocationGroup 的值正确，我将其称为“多粒度维度”方法，因为我们将多个颗粒放入一个维度中

有人能指出这两种方法的明显缺点吗？特别是选项 B，因为我找不到任何有关这样做的 Kimball 信息。

Answer 1

在我一位尊敬的同事的帮助下进行了一些调查后，我们确定，如果您只是雪花般地缩小尺寸，Power BI（我在问题中没有提到）可以很好地处理这些情况

因此，如果您只是在 Power BI 中表示上述情况，则不需要任何这些数据库级别的方法。由于其“过滤方向”的概念，它将是正确的事情，不会重复计算等。

例如，主要按照上述方式创建所有事实和维度。

• 事实表 A 具有位置级别的数据。它加入到位置（但不加入位置组）
• 事实表 B 有 LocationGroup 级别的数据，它连接到 LocationGroup
• 位置维度加入 LocationGroup
• LocationGroup 实际上是所有内容的父级。所有连接路径都是一个>多个回到事实表

在 Power BI 中以这种方式建模时

• 按 LocationGroup 分组时，这两个事实的指标都是正确的
• 按位置分组时，这两个事实的指标在汇总级别上都是正确的 - 不会重复计算。数据在行上重复，但如果需要，可以使用 DAX 进行清理。