多事务事实表和累积快照事实表的区别。
问题
之前本人一直认为多事务事实表和累积快照事实表差不多，甚至是一样的，最近再次读了<**大数据之路**>这本书，发现是本人肤浅了，是本人以前对事实表的理解不到位。
为什么会觉得多事务事实表和累积快照事实表差不多？
首先问下，觉得这两个表差不多，合理吗？丢人吗？
我的回答是，非常的合理。
因为从一些特征上来说，这两个表非常相似。
多事务事实表和累积快照事实表有以下相同的特点
- 包含多事务，因此包含了多个业务时间，业务度量
- 事实表的粒度选择，两者往往相同
- 事实表的度量选择，累积快照基本会包含多事务事实表。
- 从表结构上来看，两者甚至可以是一样的。
以书上的例子，最典型的交易，包含下单->支付->确认收货时间这三个节点来说。
多事务事实表和累积快照事实表设计的表结构是一模一样的，如下所示
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|
连表结构都一样了，觉得这两个表没啥区别也就没啥好奇怪的了。
那么，多事务事实表和累积快照事实表的区别到底是什么？
答案揭晓，最核心的一点是
事务事实表记录事务发生时的状态，对于实体的某一实例不再更新
累积事实表则对实体的某一实例定期更新
简单来说，就是多事务事实表只会新增记录，不会修改记录，而累积事实表则是修改记录。
举个例子
还是以上文的交易，包含下单->支付->确认收货时间这三个节点来说。
表结构如下
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|
假设有一笔订单，1号下单，2号支付，3号确认收货。
1号下单
此时，多事务事实表会生成已一条记录，如下所示
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|---|---|---|---|---|
| 2023-01-01 | order1 | 2023-01-01 13:41:41 | NULL | NULL | … |
累积快照事实表也会生成一条记录，如下所示
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|---|---|---|---|---|
| 2023-01-01 | order1 | 2023-01-01 13:41:41 | NULL | NULL | … |
似乎没啥区别，不要急，继续往下看
2号支付
此时，多事务事实表会再生成已一条记录，order1总计会变成2条记录，如下所示
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|---|---|---|---|---|
| 2023-01-01 | order1 | 2023-01-01 13:41:41 | NULL | NULL | … |
| 2023-01-02 | order1 | 2023-01-01 13:41:41 | 2023-01-02 09:15:15 | NULL | … |
累积快照事实表则不会生成，而是在原先的记录上修改，如下所示
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|---|---|---|---|---|
| 2023-01-02 | order1 | 2023-01-01 13:41:41 | 2023-01-02 09:15:15 | NULL | … |
好像有那么点区别了，再往下看
3号确认收货
此时，多事务事实表会再生成已一条记录，order1总计会变成3条记录，如下所示
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|---|---|---|---|---|
| 2023-01-01 | order1 | 2023-01-01 13:41:41 | NULL | NULL | … |
| 2023-01-02 | order1 | 2023-01-01 13:41:41 | 2023-01-02 09:15:15 | NULL | … |
| 2023-01-03 | order1 | 2023-01-01 13:41:41 | 2023-01-02 09:15:15 | 2023-01-03 15:15:15 | … |
累积快照事实表则继续在原先的记录上修改，不会生成记录，如下所示
| 日期 | 子订单id | 下单时间 | 支付时间 | 确认收货时间 | 相关事实 |
|---|---|---|---|---|---|
| 2023-01-03 | order1 | 2023-01-01 13:41:41 | 2023-01-02 09:15:15 | 2023-01-03 15:15:15 | … |
总结
多事务事实表和累积快照事实表都包含多个业务过程
从产生角度来说
多事务事实表的选择，往往是因为多业务过程之间有高度相似性，同时拥有相同的粒度和维度，从成本和下游使用易用性考虑从而建设，关注的仍然是事务的本身。
而累计快照事实表的选择，往往研究的是事件之间的时间间隔。
从表现特点来说
事务事实表记录事务发生时的状态，对于实体的某一实例不再更新
累积事实表则对实体的某一实例定期更新