在数据仓库中通常会存储双重粒度级别的数据来满足不同的需要，轻度综合数据和原始数据，在原始数据层面上可以访问细节数据，而在分析层面则访问轻度综合数据。
原始数据因为存储了基本上原封不动的数据，导致系统存储压力增大，同时也造成查询使系统性能的下降；而轻度综合数据由于数据进行压缩更为简洁，通常情况下对数据仓库的访问 95%以上都是通过轻度综合数据访问来进行的。
数据增量聚合的实现和增量抽取类似，都是尽量以时间戳的方式，尽量减少每次事务的开销。
下面开始对基于时间戳的数据增量聚合进行系统设计：
1、 首先需要定义一张数据字典表，定义需要进行处理的任务，其中主要包括任务名称，任务描述，本次聚合开始时间、结束时间、当前时间、执行的系统时间，状态，最大时限等等。
序号
字段名称
字段描述
字段类型
备注
1
factProcName
任务名称
Varchar(40)
2
factDesc
任务描述
Varchar(100)
3
factType
任务类型
INT
4
LastLogTime
当前处理时间
Datetime
5
BeginTime
本次任务开始时间
Datetime
6
EndTime
本次任务结束时间
Datetime
7
Status
本次任务执行情况
Varchar(20)
FINSHED
字段名称
字段描述
字段类型
备注
1
factProcName
任务名称
Varchar(40)
2
factDesc
任务描述
Varchar(100)
3
factType
任务类型
INT
4
LastLogTime
当前处理时间
Datetime
5
BeginTime
本次任务开始时间
Datetime
6
EndTime
本次任务结束时间
Datetime
7
Status
本次任务执行情况
Varchar(20)
FINSHED
RUNNING
EXCEPTION
8
LogLimit
本次任务处理最大时限
Int
9
Step
本次任务处理距离当前时间最大间隔
Int
10
CancelFlag
取消标志
Int
1,取消
8
LogLimit
本次任务处理最大时限
Int
9
Step
本次任务处理距离当前时间最大间隔
Int
10
CancelFlag
取消标志
Int
1,取消
0,正常
11
CurTime
本次任务执行的系统时间
Datetime
11
CurTime
本次任务执行的系统时间
Datetime
2、 有了这张字典表就可以开始进行工作了，为了方便表达，暂时处理成伪代码形式，同时只以一个表的处理为例。
1、获取上次处理的恶最后时间，状态和取消情况
2、如果取消状态，则直接退出
3、判断是否存在该任务
4、如果没有，则新增，如果存在更新当前状态为运行
5、获取本次任务开始时间和结束时间
6、并根据系统表中的最大处理时限和时间间隔进行截取时间
7、根据控制事务处理大小的粒度，进行循环抽取
8、 INSERT INTO t_fact_table(TargetFieldList)
SELECT SourceFieldList FROM t_org_table
WHERE logdate> BeginDate
AND logdate< BeginDate+粒度
9、并同步进行时间和状态的更新
本文转自baoqiangwang51CTO博客，原文链接：http://blog.51cto.com/baoqiangwang/309772
，如需转载请自行联系原作者
