代理与自然主键，*特别*在数据仓库中。这有争议吗？答案

【问题标题】：Surrogate vs Natural Primary Keys, *SPECIFICALLY* in a Data Warehouse. Is this debated?代理与自然主键，*特别*在数据仓库中。这有争议吗？
【发布时间】：2019-12-04 01:36:51
【问题描述】：

代理与自然主键在数据仓库领域是否普遍存在争议？需要明确的是-无论如何，自然键都会在那里。我所说的代理键是指源系统中不存在的键，但它们是作为数据仓库的 ETL 的一部分创建的。

是否依赖源系统自然键作为主键，还是将代理键分配为 ETL 的一部分是否存在争议？

我的（有限的）理解一直是，在操作系统中——它可以根据情况/人而采用任何一种方式，但在数据仓库设置中——代理键是主键的无争议规范。

准确，还是比这更受争议？

【问题讨论】：

“Surrogate”用来表示很多东西——请解释一下。自从使用 DB 实现的应用程序启动以来，有些人将“代理”用于 DBMS 选择的任何值，但有些人将其限制为已实现应用程序的用户看不到的 DB 中的值。前者将驱动程序的 ID 称为代理，但后者将其称为非代理和自然键。考虑到仓库用户不是应用程序用户，似乎您的意思是后者。 PS你的研究表明了什么？请参阅How to Ask 和投票箭头鼠标悬停文本。
在这种情况下，我的意思是代理项意味着 - 一个根本不是来自操作系统的密钥，而是在数据仓库本身中创建的。非常感谢 - 我的研究刚刚阅读（Kimball & Star Schema），它把代理作为仓库中的决定性事情。然而，一位同事讨厌使用代理人并表示这是有争议的。之后我用谷歌搜索了，但对话似乎更笼统，而不是特定于数据仓库，所以我不清楚。
请通过编辑而不是 cmets 澄清。

标签： sql key primary-key warehouse

【解决方案1】：

对于几乎任何实际的数据仓库解决方案而言，自然键几乎都是必不可少的（业务键 或域键确实是比自然键更好的术语）。问题是是否以及何时使用代理键以及，而不是代替其他键。管理代理键会增加很多复杂性和一些重大开销，因此最好的答案是“这取决于...”。

如果您的仓库基于 HDFS 等分布式一次性写入技术，那么代理可能毫无意义。如果您正在使用一些历史数据捕获机制，例如 Microsoft 的临时表或 Oracle 的闪回，那么您可能会发现不需要代理。如果您采用基于 5NF 或 6NF 的时间建模方法，那么您通常也不需要代理，但您可能希望将它们用于某些表。

如果您使用像 Data Vault 或 Kimball 的方法这样的模板，那么您可能会想要使用代理，因为这是某人的书中所说的。

【讨论】：

是的，谢谢，我不清楚。无论如何，自然（或业务）密钥都会在那里。我的问题是是否有人讨论过是依赖这些键，还是分配额外的代理键（用作主键）作为 ETL 的一部分。