数据堆栈筹划中宽表和窄表是什么意思？

在数据堆栈筹划中，“宽表”和“窄表”（数表）是两种常见的筹划方式，每种方式在差异场景下有差异的优缺点和实用场景。以下是详细剖析，以及针对你需求的保举方案：

---

宽表和窄表的概念

• 宽表（横表）
  
  
  
  • 将多种指标和维度都存储在一张表里，字段许多，行数相对较少。
    
  • 特点：
    
    
    
    • 每条记载包罗全部维度和指标，镌汰了查询时的关联利用。
      
    • 存储冗余较高，占用更多存储空间。
      
    
    
  • 实用场景：
    
    
    
    • 查询性能要求高，重要以读取为主。
      
    • OLAP（在线分析处置处罚）场景，用于直接展示和分析（如报表或看板）。
      
    • 不常变动的汗青性数据汇总。
      
    
    
  示例：
  1. 日期       | 订单ID    | 门店ID  | 品牌ID | 支付金额 | 优惠金额 | 退款金额 | ...
  2. 2024-12-19 | 12345     | 1001    | 2001   | 100.0    | 20.0     | 5.0      | ...
  3. 2024-12-19 | 12346     | 1002    | 2002   | 150.0    | 30.0     | 0.0      | ...

  复制代码

---

• 窄表（竖表/数表）
  
  
  
  • 将数据以“指标范例”为行的方式存储，每种范例单独成行，字段较少但行数较多。
    
  • 特点：
    
    
    
    • 更机动，便于扩展（新增指标时不必要修改表布局）。
      
    • 存储服从较高，但查询时必要多次聚合或关联。
      
    
    
  • 实用场景：
    
    
    
    • 数据收罗或存储层，用于机动扩展和高效存储。
      
    • 必要动态增长指标、范例较多的场景。
      
    • 得当 OLTP（在线事故处置处罚）场景。
      
    
    
  示例：
  1. 日期       | 订单ID    | 门店ID  | 品牌ID | 指标类型 | 指标值
  2. 2024-12-19 | 12345     | 1001    | 2001   | 支付金额 | 100.0
  3. 2024-12-19 | 12345     | 1001    | 2001   | 优惠金额 | 20.0
  4. 2024-12-19 | 12345     | 1001    | 2001   | 退款金额 | 5.0

  复制代码

---

需求分析

必要按 日期、订单、门店、品牌维度，清算出 付出单、优惠单、退款单，并天生 小时级的付出、退款、优惠和应收表。以下是保举方案的详细分析：
需求特点：

• 维度固定：
  
  
  
  • 日期、订单、门店、品牌。
    
  
  
• 指标种类有限：
  
  
  
  • 付出金额、优惠金额、退款金额、应收金额等。
    
  
  
• 查询粒度较高：
  
  
  
  • 按小时级别，针对固定维度和指标举行查询分析。
    
  
  
• 聚合频仍：
  
  
  
  • 必要快速天生报表或看板，查询性能要求较高。
    
  
  

---

保举使用宽表

来由：

• 查询性能更优：
  
  
  
  • 宽表中指标是直接列存储，不必要在查询时举行多表关联或动态聚合。
    
  • 聚合查询（如小时级汇总）速率快，得当报表或实时看板场景。
    
  
  
• 数据量相对可控：
  
  
  
  • 维度（日期、订单、门店、品牌）和指标（付出金额、优惠金额、退款金额）相对固定，宽表不会显着增长存储本钱。
    
  
  
• 得当业务逻辑清楚的场景：
  
  
  
  • 你的指标和维度是清楚且固定的，不必要机动扩展额外指标。
    
  
  
• 报表筹划的最佳实践：
  
  
  
  • 宽表是一种典范的 OLAP 模式，镌汰了查询时复杂的运算和关联。
    
  
  

宽表筹划示例：

1. 日期       | 小时      | 订单ID    | 门店ID  | 品牌ID | 支付金额 | 优惠金额 | 退款金额 | 应收金额
2. 2024-12-19 | 10:00     | 12345     | 1001    | 2001   | 100.0    | 20.0     | 5.0      | 75.0
3. 2024-12-19 | 11:00     | 12346     | 1002    | 2002   | 150.0    | 30.0     | 0.0      | 120.0

复制代码

---

何时使用窄表？

窄表实用于以了局景：

• 指标种类动态增长：
  
  
  
  • 如果未来大概频仍增长新的指标（如其他金额范例）。
    
  
  
• 必要存储更大数据量：
  
  
  
  • 如果必要支持的维度或数据量特殊大，窄表存储服从更高。
    
  
  

窄表现例：

1. 日期       | 小时      | 订单ID    | 门店ID  | 品牌ID | 指标类型 | 指标值
2. 2024-12-19 | 10:00     | 12345     | 1001    | 2001   | 支付金额 | 100.0
3. 2024-12-19 | 10:00     | 12345     | 1001    | 2001   | 优惠金额 | 20.0
4. 2024-12-19 | 10:00     | 12345     | 1001    | 2001   | 退款金额 | 5.0
5. 2024-12-19 | 11:00     | 12346     | 1002    | 2002   | 支付金额 | 150.0

复制代码

---

实现发起

• 选择宽表实现：
  
  
  
  • 创建一张宽表，每小时对付出单、优惠单、退款单的数据举行 ETL 清算，汇总后存储。
    
  • 定期清算汗青数据，制止宽表过大。
    
  
  
• 保存窄表原始数据（可选）：
  
  
  
  • 如果后续需求大概变动，可保存窄表作为存储层，用于天生宽表时的增补数据源。
    
  
  

---

总结

• 保举使用宽表：满足当前高性能分析和固定维度的需求。
  
• 宽表长处：查询服从高、布局清楚，得当固定维度的报表天生。
  
• 窄表实用场景：必要机动扩展的场景，但查询性能相对较低。