数据仓库：缓慢变化维度（SCD）

SCD(Slowly Changing Dimensions)，一般翻译成：缓慢变化维。

SCD的提出是因为，在现实世界中，维度的属性并不是静态的，它会随着时间的流逝发生缓慢的变化。

缓慢变化维度其实就是指，在维度表中那些会随着时间变化的字段，比如用户基本资料。

缓慢是一个相对的概念，与缓慢变化的维度相比，数据增长快速是事实表。

处理方法通常有3种，假设有如下的表数据：

id	name	city
1001	tom	Shanghai

现在tom被调到北京总部工作，所以需要对city进行更新。

对其相应的需要重写的维度行中的旧值，以当前值替换。

id	name	city
1001	tom	Beijing

这样处理，易于实现，始终反映最近的情况，但是没有保留历史数据，无法分析历史变化信息。

当有维度属性发生变化时，生成一条新的维度记录，如下：

id	name	city
1001	tom	Shanghai
1001	tom	Beijing

但是这样，当与别的表通过id关联时，有两个1001的id数据，这样是有问题的，这时就需要代理键的支持（Surrogate Key，唯一标识数据仓库表记录的键）。

sk_id	id	name	city
0001	1001	tom	Shanghai
0002	1001	tom	Beijing

现在每条数据都唯一，但又有一个问题，现在不知道哪条是当前在用的数据，虽然可以通过代理键找最大的（主键往往是自增的，最大的通常是最新的数据），但某些情况下要查找历史数据就不好找了，所以在维度表中加入时间字段，用NULL来标识哪条是当前最新数据，有变化再进行更新。

sk_id	id	name	city	start_time	end_time
0001	1001	tom	Shanghai	2016/10/26	2018/01/21
0002	1001	tom	Beijing	2018/01/21	NULL

以上其实就是拉链表的典型实现，可以记录缓慢变化维度属性的变化，是一种非常有效的工具。

尽管第二种方式可以区分历史情况，但是无法保证能够将新属性值和过去的历史事实关联。

第三方式：增加属性列，比较适合需要根据先后顺序来得出某种结论的场景。

id	name	curr_city	old_city
1001	tom	Beijing	Shanghai

这种方式的优点是，可以同时分析当前及前一次变化的属性值；缺点是，只保留了最后一次变化信息。

这种方案，在一些场景中可以解决很多问题，但我们不能无限制地添加新的字段来记录历史的状态，因此在使用这种方案时，会有一些取舍。

总结：在实际建模中，我们可以结合使用三种方式，也可以对一个维度表中的不同属性使用不同的方式。这些都是需要根据实际情况来决定，但目的都是一样的，就是能够方便的支持分析历史变化情况。