要使用SQL創(chuàng)建Data Vault模型中的Hub表，首先要定義包含唯一哈希鍵、業(yè)務(wù)ID、加載時(shí)間和來源系統(tǒng)的字段結(jié)構(gòu)，並確保唯一性和記錄加載時(shí)間。例如：CREATE TABLE hub_customer (customer_hash_key CHAR(32) PRIMARY KEY, customer_id VARCHAR(50) NOT NULL, load_date DATE NOT NULL, record_source VARCHAR(255) NOT NULL); 建議為customer_id添加索引以提升查詢性能。 Link表用於連接多個(gè)Hub，需包含相關(guān)Hub的哈希鍵、加載時(shí)間和來源系統(tǒng)，並由多個(gè)哈希鍵組合成主鍵，如：CREATE TABLE link_order (order_hash_key CHAR(32), customer_hash_key CHAR(32), product_hash_key CHAR(32), load_date DATE NOT NULL, record_source VARCHAR(255) NOT NULL, PRIMARY KEY (order_hash_key, customer_hash_key, product_hash_key)); 每個(gè)哈希鍵應(yīng)非空並外鍵指向?qū)?yīng)Hub，且不存儲(chǔ)業(yè)務(wù)屬性。 Satellite表用於存儲(chǔ)Hub或Link的描述性屬性及變化歷史，如：CREATE TABLE sat_customer_detail (customer_hash_key CHAR(32), load_date DATE NOT NULL, customer_name VARCHAR(100), address VARCHAR(255), phone VARCHAR(20), is_current BOOLEAN DEFAULT TRUE, PRIMARY KEY (customer_hash_key, load_date)); 通過插入新記錄追蹤變化，並利用窗口函數(shù)篩選最新記錄。數(shù)據(jù)加載時(shí)需去重，可使用NOT EXISTS或MERGE語句，同時(shí)統(tǒng)一Hash函數(shù)並優(yōu)化去重效率。

如果你是做數(shù)據(jù)倉庫建模的，或者在接觸一些需要靈活擴(kuò)展、可追溯的數(shù)據(jù)模型時(shí)，可能已經(jīng)聽說過Data Vault 模型。它和傳統(tǒng)的星型/雪花模型不同，強(qiáng)調(diào)靈活性、歷史追蹤和可擴(kuò)展性。而SQL 在其中扮演了非常重要的角色，不僅用於構(gòu)建Hub、Link、Satellite 這些核心結(jié)構(gòu)，也常用於加載、維護(hù)和查詢這些對(duì)象。

下面是一些常見的SQL 使用場景和建議，幫助你更好地理解和應(yīng)用Data Vault 建模。

如何用SQL 創(chuàng)建Hub 表

Hub 是Data Vault 的核心之一，用來存儲(chǔ)業(yè)務(wù)實(shí)體的唯一標(biāo)識(shí)。比如客戶ID、產(chǎn)品ID 等。創(chuàng)建Hub 表的關(guān)鍵點(diǎn)在於確保唯一性和記錄加載時(shí)間。

一個(gè)典型的Hub 表結(jié)構(gòu)如下：

 CREATE TABLE hub_customer (
    customer_hash_key CHAR(32) PRIMARY KEY,
    customer_id VARCHAR(50) NOT NULL,
    load_date DATE NOT NULL,
    record_source VARCHAR(255) NOT NULL
);

說明幾點(diǎn)：

• customer_hash_key通常是根據(jù)customer_id做哈希生成的唯一鍵
• load_date記錄首次加載的時(shí)間，便於後續(xù)跟蹤變化
• record_source標(biāo)記這條記錄來自哪個(gè)源系統(tǒng)

建議：在實(shí)際中，為了提升查詢性能，可以考慮對(duì)customer_id加索引（雖然不是主鍵）。

Link 表如何連接多個(gè)Hub

Link 表的作用是建立多個(gè)Hub 之間的關(guān)係。例如，一個(gè)訂單涉及到客戶、產(chǎn)品、銷售員等多個(gè)實(shí)體，就需要用Link 來關(guān)聯(lián)。

Link 表的設(shè)計(jì)要點(diǎn)是：

• 包含所有相關(guān)Hub 的hash key
• 不包含其他屬性信息
• 主鍵由多個(gè)hash key 組合而成

示例SQL：

 CREATE TABLE link_order (
    order_hash_key CHAR(32),
    customer_hash_key CHAR(32),
    product_hash_key CHAR(32),
    load_date DATE NOT NULL,
    record_source VARCHAR(255) NOT NULL,
    PRIMARY KEY (order_hash_key, customer_hash_key, product_hash_key)
);

注意幾個(gè)細(xì)節(jié)：

• 每個(gè)hash key 都必須非空，並且外鍵指向?qū)?yīng)的Hub 表
• Link 表本身不存業(yè)務(wù)屬性，只負(fù)責(zé)連接關(guān)係

常見誤區(qū)：有時(shí)候會(huì)把一些事實(shí)屬性放到Link 表裡，這樣就違背了Data Vault 的原則，應(yīng)該放在Satellite 中。

Satellite 表如何處理屬性變化

Satellite 存儲(chǔ)的是Hub 或Link 的描述性屬性，比如客戶名稱、地址、電話等，以及這些屬性的變化歷史。

一個(gè)基本的Satellite 表結(jié)構(gòu)如下：

 CREATE TABLE sat_customer_detail (
    customer_hash_key CHAR(32),
    load_date DATE NOT NULL,
    customer_name VARCHAR(100),
    address VARCHAR(255),
    phone VARCHAR(20),
    is_current BOOLEAN DEFAULT TRUE,
    PRIMARY KEY (customer_hash_key, load_date)
);

關(guān)鍵點(diǎn)：

• 每次屬性發(fā)生變化，就插入一條新記錄
• is_current字段標(biāo)記當(dāng)前最新的記錄
• 可以通過窗口函數(shù)來篩選最新記錄

舉個(gè)例子，如果要獲取當(dāng)前有效的客戶信息：

 SELECT *
FROM (
    SELECT *,
           ROW_NUMBER() OVER (PARTITION BY customer_hash_key ORDER BY load_date DESC) AS rn
    FROM sat_customer_detail
) sub
WHERE rn = 1 AND is_current = TRUE;

建議：有些系統(tǒng)會(huì)在ETL 層自動(dòng)管理is_current字段，但手動(dòng)控制更靈活，尤其在調(diào)試階段。

數(shù)據(jù)加載與去重策略

Data Vault 模型的一個(gè)難點(diǎn)是數(shù)據(jù)加載過程中的去重問題。因?yàn)槊看渭虞d都要判斷是否已有記錄，避免重複插入。

常用的做法是在加載前先查是否存在hash key：

 INSERT INTO hub_customer (...)
SELECT ...
FROM source_table s
WHERE NOT EXISTS (
    SELECT 1
    FROM hub_customer h
    WHERE h.customer_hash_key = HASH(s.customer_id)
);

也可以使用MERGE（或UPSERT）語句，這取決於你的數(shù)據(jù)庫支持情況：

 MERGE INTO hub_customer AS target
USING (
    SELECT HASH(customer_id) AS hash_key, ...
    FROM source_table
) AS source
ON target.customer_hash_key = source.hash_key
WHEN NOT MATCHED THEN
    INSERT (...);

注意：

• Hash 函數(shù)的選擇要統(tǒng)一，否則容易導(dǎo)致數(shù)據(jù)錯(cuò)亂
• 去重邏輯要盡量高效，尤其是大數(shù)據(jù)量下

小技巧：可以在staging 層先把數(shù)據(jù)聚合一次，減少重複項(xiàng)再寫入目標(biāo)表。

基本上就這些。 SQL 在Data Vault 中的應(yīng)用不只是簡單的建表和查詢，而是貫穿整個(gè)建模、加載、維護(hù)的全過程。理解好每個(gè)對(duì)象的職責(zé)，合理使用SQL 技巧，能讓你的數(shù)據(jù)模型既穩(wěn)定又高效。

以上是SQL用於數(shù)據(jù)保險(xiǎn)庫建模的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！