在数据仓库中，事实表可以包含两条相同的记录吗？

Question

如果用户使用两个不同的 order_id 订购了相同的产品； 订单是在相同的日期-小时粒度内创建的，例如

order#1 2019-05-05 17:23:21
order#2 2019-05-05 17:33:21

在数据仓库中，我们是否应该像这样将它们分成两行（选项1）：

| id  | user_key | product_key | date_key | time_key | price | quantity |
|-----|----------|-------------|----------|----------|-------|----------|
| 001 | 1111     | 22          | 123      | 456      | 10    | 1        |
| 002 | 1111     | 22          | 123      | 456      | 10    | 2        |

或者只是将它们与合计数量放在一行中（选项 2）：

| id  | user_key | product_key | date_key | time_key | price | quantity |
|-----|----------|-------------|----------|----------|-------|----------|
| 001 | 1111     | 22          | 123      | 456      | 10    | 3        |

我知道如果我把order_id作为退化维度放在事实表中，它应该是选项1。但在我们的例子中，我们并不想保留 order_id。

另外我曾经看过一篇文章，说过滤掉所有维度后，事实表中应该只有一行数据。如果这句话是正确的，选项 2 将是选择。

有什么原则可以参考吗？

Answer 1

从概念上讲，数据仓库中的事实表应该按照可用的最详细粒度进行设计。您始终可以将数据从较低粒度聚合到较高粒度，而反之则不然——如果您合并记录，一些信息将永久丢失。如果你以后需要它（即使你现在可能看不到它），你会后悔这个决定。

我会推荐以下方法：在数据仓库中，将订单号保留为退化维度。然后，当您发布星型模式时，您可能会构建表的预聚合版本（跳过订单号，按日期/小时对相同的记录进行分组）。这样，您可以在维度模型中拥有更小/更清晰的事实表，同时在 DW 中保留更详细的数据。