面试系列七 之 业务交互数据分析

6.1 电商常识

SKU：一台银色、128G内存的、支持联通网络的iPhoneX

SPU：iPhoneX

Tm_id：品牌Id苹果，包括IPHONE，耳机，mac等

6.2 电商业务流程

6.3 业务表关键字段

6.3.1 订单表（order_info）

标签	含义
id	订单编号
total_amount	订单金额
order_status	订单状态
user_id	用户id
payment_way	支付方式
out_trade_no	支付流水号
create_time	创建时间
operate_time	操作时间

6.3.2 订单详情表（order_detail）

6.3.3 商品表

6.3.4 用户表

6.3.5 商品一级分类表

标签	含义
id	id
name	名称

6.3.6 商品二级分类表

标签	含义
id	id
name	名称
category1_id	一级品类id

6.3.7 商品三级分类表

标签	含义
id	id
name	名称
Category2_id	二级品类id

6.3.8 支付流水表

订单表跟订单详情表有什么区别？

• 订单表的订单状态会变化，订单详情表不会，因为没有订单状态。

• 订单表记录user_id，订单id订单编号，订单的总金额order_status，支付方式，订单状态等。

• 订单详情表记录user_id，商品sku_id ,具体的商品信息（商品名称sku_name，价格order_price，数量sku_num）

6.4 MySql中表的分类

实体表，维度表，事务型事实表，周期性事实表

其实最终可以把事务型事实表，周期性事实表统称实体表，实体表，维度表统称维度表

订单表（order_info）（周期型事实表）

订单详情表（order_detail）(事务型事实表)

商品表(实体表)

用户表(实体表)

商品一级分类表(维度表)

商品二级分类表(维度表)

商品三级分类表(维度表)

支付流水表(事务型实体表)

6.5 同步策略

实体表，维度表统称维度表，每日全量或者每月（更长时间）全量

事务型事实表：每日增量

周期性事实表：拉链表

6.6 关系型数据库范式理论

  1NF：属性不可再分割（例如不能存在5台电脑的属性，坏处：表都没法用）

  2NF：不能存在部分函数依赖（例如主键（学号+课名）-->成绩，姓名，但学号 -->姓名，所以姓名部分依赖于主键（学号+课名），所以要去除，坏处：数据冗余）

  3NF：不能存在传递函数依赖（学号 --> 宿舍种类 --> 价钱，坏处：数据冗余和增删异常）

   Mysql关系模型：关系模型主要应用与OLTP系统中，为了保证数据的一致性以及避免冗余，所以大部分业务系统的表都是遵循第三范式的。

  Hive 维度模型：维度模型主要应用于OLAP系统中，因为关系模型虽然冗余少，

但是在大规模数据，跨表分析统计查询过程中，会造成多表关联，这会大大降低执行效率。

所以HIVE把相关各种表整理成两种：事实表和维度表两种。所有维度表围绕着事实表进行解释。

6.7 数据模型

雪花模型、星型模型和星座模型

（在维度建模的基础上又分为三种模型：星型模型、雪花模型、星座模型。）

星型模型（一级维度表），雪花（多级维度），星座模型（星型模型+多个事实表）

6.8 业务数据数仓搭建

sqoop

  导数据的原理是mapreduce,

  import 把数据从关系型数据库 导到 数据仓库，自定义InputFormat，

  export 把数据从数据仓库 导到 关系型数据库，自定义OutputFormat，

  用sqoop从mysql中将八张表的数据导入数仓的ods原始数据层

  全量无条件，增量按照创建时间，增量+变化按照创建时间或操作时间。

origin_data

  sku_info商品表（每日导全量）

  user_info用户表（每日导全量）

  base_category1商品一级分类表（每日导全量）

  base_category2商品二级分类表（每日导全量）

  base_category3商品三级分类表（每日导全量）

  order_detail订单详情表（每日导增量）

  payment_info支付流水表（每日导增量）

  order_info订单表（每日导增量+变化）

6.8.1 ods层

  （八张表，表名，字段跟mysql完全相同）

  从origin_data把数据导入到ods层，表名在原表名前加ods_

6.8.2 dwd层

  对ODS层数据进行判空过滤。对商品分类表进行维度退化(降维)。其他数据跟ods层一模一样

订单表 dwd_order_info

订单详情表 dwd_order_detail

用户表 dwd_user_info

支付流水表 dwd_payment_info

商品表 dwd_sku_info

其他表字段不变，唯独商品表，通过关联3张分类表，增加了

              category2_id` string COMMENT '2id', 

              `category1_id` string COMMENT '3id', 

              `category3_name` string COMMENT '3', 

              `category2_name` string COMMENT '2', 

              `category1_name` string COMMENT '1', 

小结：

1）维度退化要付出什么代价？或者说会造成什么样的需求处理不了？

• 如果被退化的维度，还有其他业务表使用，退化后处理起来就麻烦些。

• 还有如果要删除数据，对应的维度可能也会被永久删除。

2）想想在实际业务中还有那些维度表可以退化

• 城市的三级分类（省、市、县）等

6.8.3 dws层

从订单表 dwd_order_info 中获取 下单次数 和 下单总金额

从支付流水表 dwd_payment_info 中获取 支付次数 和 支付总金额

从事件日志评论表 dwd_comment_log 中获取评论次数

最终按照user_id聚合，获得明细，跟之前的mid_id聚合不同

6.9、需求

6.9.1 需求一：GMV成交总额

从用户行为宽表中dws_user_action，根据统计日期分组，聚合，直接sum就可以了。

6.9.2、 需求二：转化率

6.9.2.1 新增用户占日活跃用户比率表

  从日活跃数表 ads_uv_count 和 日新增设备数表 ads_new_mid_count 中取即可。

6.9.2.2 用户行为转化率表

从用户行为宽表dws_user_action中取，下单人数（只要下单次数>0）,支付人数（只要支付次数>0）

从日活跃数表 ads_uv_count 中取活跃人数，然后对应的相除就可以了。

6.9.3、 需求三：品牌复购率

需求：以月为单位统计，购买2次以上商品的用户

6.9.3.1 用户购买商品明细表（宽表）

6.9.3.2 品牌复购率表

从用户购买商品明细宽表dws_sale_detail_daycount中，根据品牌id--sku_tm_id聚合，计算每个品牌购买的总次数，购买人数a=购买次数>=1,两次及以上购买人数b=购买次数>=2，三次及以上购买人数c=购买次数>=3,

单次复购率=b/a，多次复购率=c/a

6.10、 项目中有多少张宽表

   宽表要3-5张，用户行为宽表，用户购买商品明细行为宽表，商品宽表，购物车宽表，物流宽表、登录注册、售后等。

1）为什么要建宽表

   需求目标，把每个用户单日的行为聚合起来组成一张多列宽表，以便之后关联用户维度信息后进行，不同角度的统计分析。

6.11、 拉链表

订单表拉链表 dwd_order_info_his

      `id` string COMMENT '订单编号',

    `total_amount` decimal(10,2) COMMENT '订单金额',

    `order_status` string COMMENT '订单状态',

    `user_id` string COMMENT '用户id' ,

    `payment_way` string COMMENT '支付方式', 

    `out_trade_no` string COMMENT '支付流水号', 

    `create_time` string COMMENT '创建时间', 

    `operate_time` string COMMENT '操作时间' ,

    `start_date`  string COMMENT '有效开始日期',

    `end_date`  string COMMENT '有效结束日期'

1）创建订单表拉链表，字段跟拉链表一样，只增加了有效开始日期和有效结束日期

  初始日期，从订单变化表ods_order_info导入数据，且让有效开始时间=当前日期，有效结束日期=9999-99-99

  （从mysql导入数仓的时候就只导了新增的和变化的数据ods_order_info，dwd_order_info跟ods_order_info基本一样，只多了一个id的判空处理）

2）建一张拉链临时表dwd_order_info_his_tmp，字段跟拉链表完全一致

3）新的拉链表中应该有这几部分数据，

• （1）增加订单变化表dwd_order_info的全部数据

• （2）更新旧的拉链表左关联订单变化表dwd_order_info，关联字段：订单id, where 过滤出end_date只等于9999-99-99的数据，如果旧的拉链表中的end_date不等于9999-99-99，说明已经是终态了，不需要再更新

  • 如果dwd_order_info.id is null , 没关联上，说明数据状态没变，让end_date还等于旧的end_date

  • 如果dwd_order_info.id is not null , 关联上了，说明数据状态变了，让end_date等于当前日期-1

  - 把查询结果插入到拉链临时表中
  

4）把拉链临时表覆盖到旧的拉链表中

关注我的公众号【宝哥大数据】， 更多干货