适用于多种数据排列的数据模型设计 (RDBMS)答案

【问题标题】：Suitable Data Model design (RDBMS) for multiple permutations of data适用于多种数据排列的数据模型设计 (RDBMS)
【发布时间】：2014-10-29 12:16:23
【问题描述】：

我正在构建一个分析应用程序，用于跟踪公司营销活动的转化。转换是如果他们去超市购买产品。如果公司是 Heinz，他们可能会针对不同的产品投放广告系列，因此广告系列可能是：

焗豆
番茄汤
番茄酱

这些是在线广告系列，因此它们可以有不同的媒介，例如：

网站
Facebook 页面
Flash 横幅广告
移动应用广告

如果有人购买产品，则通过超市购买，例如：

沃尔玛
阿斯达
安全通道
克罗格

我们正在跟踪所有这些的转化。分析应用程序需要显示以上任意组合的转化数据。例如，我可能需要显示转化...

用于烤豆。
来自 Facebook 页面的烤豆。
适用于沃尔玛超市，但适用于所有广告系列和媒体。
适用于从 Facebook 页面制作的沃尔玛，但适用于所有广告系列。
用于通过 Flash 横幅广告制作的番茄酱和 Safeway。

为了加快分析速度，我们避免处理原始数据（数百万条记录），而是存储每天存储的数据的聚合版本。所以对于 9 月 12 日，我可以存储我们有 12 次烤豆转化，6 次转化（所有产品）是通过网站进行的，沃尔玛有 8 次转化，这些可以放在 3 个单独的表中（称为广告系列，媒体和超市）。但是，如果我需要知道通过 Facebook 页面和沃尔玛进行的番茄酱的转换，那么存储在单独的表格中显然是行不通的。

我正在努力想出一个可以支持上述内容的数据模型。我正在使用标准的关系数据库（MySQL）。也许有更好的策略来处理这个问题。

【问题讨论】：

标签： database database-design data-modeling rdbms dimensional-modeling

【解决方案1】：

是的，有更好的策略。它被称为 Dimensional Modeling，或 Star Schema。

您存储一个名为事实表的表，其中包含 Campaign、Medium 和 Supermarket 的列。

对于这些属性中的每一个，事实表中的列是维度表的外键。广告系列、媒介和超市各有一个维度表。

在您的情况下，为避免数百万行，您可以在事实表中添加第四列 conversions。当您获得转化时增加计数（而不是添加另一行）。

这是一个示例表：

CREATE TABLE FactTable (
  campaign_id INT,
  medium_id INT,
  supermarket_id INT,
  conversions INT,
  PRIMARY KEY (campaign_id, medium_id, supermarket_id),
  FOREIGN KEY (campaign_id) REFERENCES Campaigns(campaign_id),
  FOREIGN KEY (medium_id) REFERENCES Mediums(medium_id),
  FOREIGN KEY (supermarket_id) REFERENCES Supermarkets(supermarket_id)
);

然后就可以查询所有的转化了：

用于烤豆。

SELECT SUM(conversions) FROM FactTable
JOIN Campaigns USING (campaign_id) 
WHERE campaign = 'Baked Beans';

来自 Facebook 页面的烤豆。

SELECT SUM(conversions) FROM FactTable
JOIN Campaigns USING (campaign_id) 
JOIN Mediums USING (medium_id)
WHERE campaign = 'Baked Beans' AND medium = 'Facebook';

适用于超市沃尔玛，但适用于所有广告系列和媒体。

SELECT SUM(conversions) FROM FactTable
JOIN Supermarkets USING (supermarket_id)
WHERE supermarket = 'Walmart';

适用于从 Facebook 页面制作的沃尔玛，但适用于所有广告系列。

SELECT SUM(conversions) FROM FactTable
JOIN Mediums USING (medium_id)
JOIN Supermarkets USING (supermarket_id)
WHERE medium = 'Facebook' AND supermarket = 'Walmart';

用于通过 Flash 横幅广告制作的番茄酱和用于 Safeway。

SELECT SUM(conversions) FROM FactTable
JOIN Campaigns USING (campaign_id)
JOIN Mediums USING (medium_id)
JOIN Supermarkets USING (supermarket_id)
WHERE campaign = 'Ketchup' AND medium = 'Flash Banner Ad' AND supermarket = 'Safeway';

查看books by Ralph Kimball 了解有关维度建模的更多信息。

【讨论】：

很容易进入我曾经拥有的前 5 个最佳 Stackoverflow 答案！非常感谢:-)
不仅是一个很好的答案，而且说得很好。我只想补充一点，在许多情况下，客户端应用程序在显示名称的控件中嵌入了整数 id（或公共 api 的某种 uuid）。所以不需要连接......只需在 id(s) 上过滤 WHERE 子句。更快。
@NaturalData，是的，这是一个很好的优化，我展示了连接，因为它很好地说明了维度表的作用。

【解决方案2】：

我认为，通过尝试操纵数据结构来避免处理原始数据，您会增加复杂性并降低灵活性，但实际上并没有什么好处。使用适当的索引和适当调整的查询，查询数百万条记录应该花费很少的时间。我已经在多个字段中查询了包含 50 亿条记录的表，并在 20 毫秒内得到了结果。

把你的精力放在调优而不是设计新的数据结构上，当使用这些分析的人需要某种稍微不同格式的数据时，你会很感激，这会让你精心策划的设计过时。

【讨论】：