关于数据库加字段出现异常问题--颗粒度

数据库设计实践：粒度的理解与应用示例

这是学习笔记的第 2152 篇文章今天有一个同事通过即时通讯工具找我，说需要做一个数据变更操作，我一看需求很简单，是新增了一个列，需要创建相关的索引。 对于SQL自动化上线，目前算是到了收获的时段，从近期的工单情况来看，很多业务需求都从平台化的工单操作转向了自动化单据，按照最新的数据统计结果，假设有150个工单，那么100个左右都是自动化流程完成的，占比近70%。 这个工单的操作是目前自动化不支...

 转自：http://articles.e-works.net.cn/BI/Article61872.htm 数据分析在决策支持及趋势分析中发挥着重要的作用。通常数据仓库中包含大量数据表，如何在软硬件资源确定的情况下，正确划分数据粒度，确保数据满足客户的决策分析需求，成了数据仓库逻辑设计的一个重要方面。1 确定数据粒度的基本准则     数据粒度是指数据仓库中保存数据的细化或综合程度。数据仓库中包含大量数据表，这些数据表中的数据以什么粒度来存储，会对信息系统的多方面产生影响。在做 数据仓库设计时，设计

一数据库范式 第一范式（1NF） 数据库中的每一列（每个字段）都是不可拆分的最小单元，也就是确保每一列的原子性。 第一范式的目标是确保每列的原子性。 第二范式(2NF) 满足1NF后，要求表中的所有列，都必须依赖于主键，而不可以有任意一列与主键没有关系，即一个表只描述一件事情。 第三范式（3NF） 满足第二范式(2NF)之后，要求表中的每一列只与主键直接相关而不是间接相关（表中的每一列只可以依赖于主键） 二 redis数据库 1 Mysql和redis的区别 https://www.c.

对齐各个环节颗粒度, 让开发流程畅通无阻!

偶然间在论坛上看到一个帖子，帖子内容如下：假设现在有一个新增商品的接口，返回的参数中有新增商品的 id（每次返回的 id 都不一样）、success（判断是否成功，0 失败 1 成功）1. 接口测试，断言的时候是否需要断言 id，还是说只需要断言 success 等于 1 就行？

维度决定层次，度量默认聚合； 行列搭建主干，标记调整图形； 离散生成标题，连续生成坐标轴。 一、层次、聚合度和颗粒度 它们之间的关系： 层次的对象是业务问题，数据无高低层次，而问题有高低层次。 问题的答案是数据聚合，聚合就是将明细汇总的过程；聚合度越高，对应的问题层次就越高。 详细级别及问题对应的维度，简称层次。 聚合度和颗粒度描述问题“详细级别”的高低，二者正好相反。 聚合： 数据分析的重要工作就是用一个数值描述样本的总体特征，这个由多变少的数据计算过程，被统称为“聚合”。 颗粒度： 聚合度.

<?php//原始数据为颗粒度1秒数据，下面的方法里可以自定义时间颗粒度，获取处理后的数据！~$arr1=Array (    Array ( 'time' => 1523714540, 'pv' => 50, 'exec' => 20 ) ,    Array ( 'time' => 1523714541, 'pv' => 40, 'exec' => 1...

粒度的定义 确定数据仓库中数据的恰当粒度是数据仓库开发者需要面对的一个最重要的设计问题。数据粒度主要针对指标数据的计算范围，如人口这个数据项在统计部门是以街区范围还是一个社区为范围统计的。人口数据细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。粒度是数据仓库主要设计问题，因为它极大地影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答的查询类型。在设计数据仓库的时候权衡...

目录内容数据仓库中的粒度一、占用空间估算二、确定双重粒度/单一粒度三、确定粒度的级别四、总结 数据仓库中的粒度 数仓粒度确定的是否合理，很大程度决定了在设计和实现的过程中所遇到问题的控制程度，如果没有确定合理的数据粒度，那么会在各种意想不到的环节出现问题。 如何进行粒度确定？ 一、占用空间估算 很容易考虑到的是，在数仓粒度的确定起始，需要符合自己的具体业务或者具体需求，作为确定的起点，我们需要实现估测一下数仓的行数和所需要的数据存储量。这个步骤适合于任意数仓建立粒度的场景，即是根据数仓的数量级指标确定粒度。

数据库对事件存储是存一处还是拆开存储 比如：智能控制 功能1： 有五个灯可以单独控 功能2： 可以吧五个灯存储到一个事件里统一开关 1.如果功能比较单一，功能2的列表不会自动更新，即单独改某个定名时，功能2的列表不需要自动更新，这时只需要把事件统一存储即可，好处是:一条查询就可拿到所有数据 2.如果功能事件要自动更新，就必须把事件的存储拆开存储，把其界面可以被其他地方可以改变的地方共存一处 ...

概述粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。数据的粒度一直是一个设计问题。数据仓库环境中粒度之所以是主要的设计问题，是因为它深深地影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答的查询类型。粒度的大小需要数据仓库在设计时在数据量大小与查询的详细程度之间作出权衡。...

个人理解粗粒度与细粒度的关系就是一个由粗糙到细化的过程。比如 在java中我们为了类的高复用性，经常会把一个功能复杂的类（粗粒度）细分为几个简单的功能单一的类（细粒度），这就是一个细粒度的设计模式。再比如 我们设计数据库时，原则上应该尽量减少表的数量以及表之间的连接，为此，能够设计为一个表的就不会将其分开为多个表。这就是一个粗粒度的设计模式。

WBS按照“系统-模块-画面 ”逐层分解，然后制作。相应发生工作量的统计分析时机，应该按照当时所处开发阶段而视。如果项目只有部分模块制作完毕，当即按照画面对该模块完成情况进行统计分析。重点在于数据收集及时、排除杂音、合理分析、安排解决措施。当大部分模块制作完毕，该是对整个项目有个说法的时候了。此时便是依照大的模块报告数据，为下一次开发作准备。

粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。确定粒度是数据仓库开发者需要面对的一个重要的设计问题。如果数据仓库的粒度确定合理，设计和实现中的其余方面就可以非常顺畅地进行；反之，如果粒度确定的不合理就会是其他所有方面都很难进行。粒度对于数据仓库体系结构设计人员来说，非常重要，因为...