如何使用 PLSQL 为新表创建 id 并在数据仓库的新表中插入genres_id 和genres（2038 条记录）答案

【问题标题】：How can I make ids for new table and insert genres_id and genres (2038 records) in a new table in data warehouse using PLSQL如何使用 PLSQL 为新表创建 id 并在数据仓库的新表中插入genres_id 和genres（2038 条记录）
【发布时间】：2021-02-04 07:34:00
【问题描述】：

我有 1 个表 movies来自 csv 文件。我需要使用附加表创建数据仓库genres、production_companies、directors。

首先，我想创建一个新表genres，它将有 2083 条记录。如果我使用sequence_name.nextval()，我将有重复，因为我在movies 表中有 10856 部电影。

我还需要在dw_movies 表中只有genres_id，而不是genres_name

请给我你的建议。这是movies 表：

CREATE TABLE "AS6400U"."MOVIES" (   
        "ID" NUMBER(38,0), 
        "IMDB_ID" VARCHAR2(26 BYTE), 
        "POPULARITY" NUMBER(38,6), 
        "BUDGET" NUMBER(38,0), 
        "REVENUE" NUMBER(38,0), 
        "ORIGINAL_TITLE" VARCHAR2(500 BYTE), 
        "CAST" VARCHAR2(500 BYTE), 
        "HOMEPAGE" VARCHAR2(300 BYTE), 
        "DIRECTOR" VARCHAR2(600 BYTE), 
        "TAGLINE" VARCHAR2(400 BYTE), 
        "KEYWORDS" VARCHAR2(500 BYTE), 
        "OVERVIEW" VARCHAR2(2000 BYTE), 
        "RUNTIME" NUMBER(38,0), 
        "GENRES" VARCHAR2(400 BYTE), 
        "PRODUCTION_COMPANIES" VARCHAR2(500 BYTE), 
        "RELEASE_DATE" DATE, 
        "VOTE_COUNT" NUMBER(38,0), 
        "VOTE_AVERAGE" NUMBER(38,1), 
        "RELEASE_YEAR" NUMBER(38,0), 
        "BUDGET_ADJ" NUMBER(38,3), 
        "REVENUE_ADJ" NUMBER(38,5)
       )

亲切的问候，安娜

【问题讨论】：

标签： oracle database-design data-modeling data-warehouse

【解决方案1】：

这是关于数据库建模的。表通常相互依赖，并且这种关系是通过外键约束来维护的。此外，表应该被规范化（最多为第 3 范式），这样您就不会将相同的数据存储两次（或更多次）。

但是，数据仓库作用不同，因为它们处理大量数据，因此从几个巨大的表中获取行需要时间，因此 DW 表并不总是规范化的。

说你的表有 10K 行——这对 Oracle 来说几乎没有，所以我认为你应该做我在第一段中提到的事情：首先规范化表，设置关系（外键引用的主键）。写下所有这些CREATE TABLE 声明，一个接一个，以确保你做对了。

从序列下一个值开始：我会说你弄错了。通常，它的（序列）值是按升序排列的。当前表有 10K 行并不重要，您想创建一个有 2K 行的新表；所以呢？ sequence.nextval 可能是 10K 左右（如果它也用于电影表）。您不应该（也可能不会）得到任何重复。

【讨论】：

感谢您的回答。帮助我进入正确的心情。我发现 nextval 可以这样使用：INSERT INTO dw_directors(director_id, director_name) SELECT directors_seq.NEXTVAL, m.director FROM (SELECT DISTINCT director FROM movies) m; 很好，很好用。新表中只有不同的记录。

【解决方案2】：

我会回应 @Littlefoot，对您的数据模型进行额外的观察。

RELEASE_YEAR 38 位数字？真的吗？它应该是一个 DATE，具有月、日和时间组件的默认值。即使您想将其存储为 NUMBER（坏主意），为什么还需要 38 位呢？

GENRES 根本不应该存在。一部电影可以有多种类型，所以应该在一个“链接”表中——一个表中的一列作为 FK 回到 MOVIES 的 PK，第二列作为 FK 回到 GENRES 表的 PK。

其他一些列看起来可以使用相同的处理方法。尤其是 CAST 和 KEYWORD 和 PRODUCTION_COMPANIES。（PRODUCTION_COMPANIES 是复数的事实是一个赠品）。

所有这些 38 位数字！ 38 位数的收入？制片人只能梦想一部电影的票房收入超过整个地球的国内生产总值。

您可能将您的数据库视为“数据仓库”，这可能是因为它的使用模式是正确的（或者它可能不是——这个术语经常被非常松散地用于描述几乎任何数据库），但作为一个实用的不管它的大小只是昙花一现。您应该将所有表格设计为第三范式，并且只有在您发现确实需要此类处理的实际性能问题时才诉诸于“士气低落”。

【讨论】：

感谢您的评论。列的大小是近似的。我想快速加载，所以没有检查 Excel 中每一列的长度。我用它来解决我的问题：INSERT INTO dw_directors(director_id, director_name) SELECT directors_seq.NEXTVAL, m.director FROM (SELECT DISTINCT director FROM movies) m; 效果很好。
是的，即使是director列也有名字很少的记录，我只需要给每个唯一的组合一个唯一的id。要使其标准化-->我不知道如何从记录中取出董事姓名并将它们放入中间表（您称之为“链接”）中，我可以将该表称为 directed_by 或类似的名称。然后会有带有director_id的表directors。和director_name。
看起来你需要更多关于数据设计和数据规范化的指导，而不是这里可以涵盖的内容。 “链接”表用于“链接”两个具有多对多关系的表。通常他们不需要 2 列。对于每一行，1 列是“主”表（“电影”）之一的 FK，另一列是另一个“主”表（“导演”）的 FK。每行代表给定电影和给定导演之间的一种关系。
我用过INSERT INTO dw_movies(movie_id, imdb_id, original_title, genres, popularity, budget, revenue, cast, homepage, director_id, tagline, keywords, overview, runtime, production_companies, release_date, vote_count, vote_average, release_year) SELECT m.id, m.imdb_id, m.original_title, m.genres, m.popularity, m.budget, m.revenue, m.cast, m.homepage, d.director_id, m.tagline, m.keywords, m.overview, m.runtime, m.production_companies, m.release_date, m.vote_count, m.vote_average, m.release_year FROM movies m INNER JOIN directors d ON m.director = d.director_name;
但返回错误：ORA-01536: space quota exceeded for tablespace 'STUDENT1'