面试篇：数仓缓慢变化维的处理方式

1.原样保留

对于某些维度属性，值不会发生变化，因此可以保留初始值，此方法什么也不做。例如日期维度的大多数属性，值都不会发生变化，如月份、季度、是否节假日等属性。

2.重写

该类型和业务系统保持一致，直接update，将维度属性修改为最新值，直接覆盖原有的值，不保留历史信息。该类型总是反映最近的情况，会破坏历史情况，因此适合业务只关心最新属性值、不关心历史信息的情况。

3.增加新行

在维度表中增加新的一行，新行中采用新的属性值。此方式及其变种是处理缓慢变化维的主要技术。

4.增加新列

该方法在维度表中增加新的一列以保存原来的属性值。

5.增加微型维度

当某维表是一个大型维度表，采用方式3时，如果某些维度属性变化相对较快，这将导致维度表中的数据量增长过快，带来过多的数据冗余存储，该维表变得越来越大，导致存储压力和性能压力，严重影响对历史数据的查询、分析效率。

6.快照维度

此种方式比较暴力，每天保留全量维度属性的快照数据，自然键及日期键作为事实表的外键。此方式依托的是当前存储成本远低于计算成本，以空间换时间的理念。

7.拉链表 是方式3的变形，对于有变化频率不太高的维度属性，相较于方式6，大大降低了存储；对于变化频率很高的维度属性，不适用此方法，可考虑垂直拆分。

总结：

不止上面7种，还有三种组合方式（微型维度与方式2支架、方式2属性增加到方式3维度、双重外键并且方式2与方式3的结合）不常用。

方式2适合不关心历史信息的业务场景；

方式3最为常用，但不适合处理变化十分迅速的维度属性；

方式4不太常用，适合维度变化次数很少(如不超过两次)的场景；

在大数据时代，方式6、7比较常见。

方式6简单粗暴、易于理解和使用，但是存储成本高，造成了很大的存储空间的浪费；

方式7相对存储空间小，但是使用成本高，对于BI及其他下游使用人员来讲，不易于理解，另外该方法可以很方便的找到某一时间有效的数据（生效日期<= 选择的时间<=失效日期），但是对于某一段时间生效的数据则不太好关联，需要做技术改造。