文章目录
- mysql 8.0 时间维度表生成实例
- 时间维度表的作用
- 时间维度表生成
- 技术细节
- 使用时间维度表的好处
mysql 8.0 时间维度表生成实例
时间维度表的作用
dim_times(时间维度表)在数据仓库(Data Warehouse)中的作用至关重要。作为维度表,dim_times 主要提供与时间相关的详细信息,帮助用户按照时间维度对事实数据进行查询、分析和聚合。以下是时间维度表在数据仓库中的主要作用:
- 提供一致的时间表示
dim_times 表提供一致且标准化的时间表示。时间维度表通常包括从秒、分钟、小时、天、星期、月、季度、年份等不同的时间层级信息,确保数据分析中所有与时间相关的操作都使用同一套时间标准,避免时间计算中的不一致。
时间维度表生成
- 创建时间维度表
CREATE TABLE `dim_time` (
`time_key` int NOT NULL COMMENT '唯一的时间键,表示一天中的秒数 (0 - 86399)',
`time_value` time DEFAULT NULL COMMENT '一天中的具体时间值,格式为HH:MM:SS',
`hour24` tinyint DEFAULT NULL COMMENT '24小时制的小时数 (0 - 23)',
`hour12` tinyint DEFAULT NULL COMMENT '12小时制的小时数 (1 - 12)',
`minutes` tinyint DEFAULT NULL COMMENT '分钟 (0 - 59)',
`seconds` tinyint DEFAULT NULL COMMENT '秒数 (0 - 59)',
`am_pm` char(2) DEFAULT NULL COMMENT '时间的上午/下午标识 (AM/PM)',
PRIMARY KEY (`time_key`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci COMMENT='时间维度表,记录一天中每秒的时间信息';
- 创建生成时间维度过程
```sql
CREATE PROCEDURE generate_dim_time()
begin
-- SET SESSION cte_max_recursion_depth = 100000;
-- 清空表,确保数据为全新的
DELETE FROM dim_time;
-- 使用递归CTE生成一天中的秒数(0 到 86399)
INSERT INTO dim_time (time_key, time_value, hour24, hour12, minutes, seconds, am_pm)
select time_key, time_value, hour24, hour12, minutes, seconds, am_pm from (
WITH RECURSIVE time_cte AS (
SELECT 0 AS seconds_of_day
UNION ALL
SELECT seconds_of_day + 1
FROM time_cte
WHERE seconds_of_day < 86399 -- 一天 24 小时有 86400 秒(0-86399)
)
SELECT
seconds_of_day AS time_key, -- time_key为秒数
SEC_TO_TIME(seconds_of_day) AS time_value, -- 使用SEC_TO_TIME函数将秒数转为时间
HOUR(SEC_TO_TIME(seconds_of_day)) AS hour24, -- 24小时制的小时数
IF(HOUR(SEC_TO_TIME(seconds_of_day)) = 0 OR HOUR(SEC_TO_TIME(seconds_of_day)) = 12, 12, HOUR(SEC_TO_TIME(seconds_of_day)) % 12) AS hour12, -- 12小时制的小时数
MINUTE(SEC_TO_TIME(seconds_of_day)) AS minutes, -- 分钟
SECOND(SEC_TO_TIME(seconds_of_day)) AS seconds, -- 秒
IF(HOUR(SEC_TO_TIME(seconds_of_day)) < 12, 'AM', 'PM') AS am_pm -- AM/PM
FROM time_cte ) time_cte;
END
执行以后得截图
技术细节
- 技术点1
由于 默认 mysql 8.0 递归有限制1000层, 需要修改
SET SESSION cte_max_recursion_depth = 100000;
注意事项
调整递归深度限制时,务必谨慎,因为递归层数过多可能会消耗大量的内存和 CPU,影响数据库性能。
在大多数情况下,默认的 1000 层递归深度已经足够,如果不需要非常复杂的递归操作,尽量避免大幅提升这个限制。
- 技术点2
1天=24小时 ,1小时 =60分钟 。1分钟=60秒
所以 是 246060=86400秒
- 技术点3
我这里是从 0开始 递归 ,根据每个公司的需求也可以从 1开始
//如果从1开始
WITH RECURSIVE time_cte AS (
SELECT 1 AS seconds_of_day
UNION ALL
SELECT seconds_of_day + 1
FROM time_cte
WHERE seconds_of_day < 86400 -- 一天 24 小时有 86400 秒(0-86399)
)
- 技术点4
维度表引擎建议用 MyISAM ,因为生成一次后,一般不会在修改
ENGINE=MyISAM
使用时间维度表的好处
- 时间维度表的定义
dim_time 表是数据仓库中的一个重要维度表,用来存储一天中每秒的时间信息,并提供标准化的时间表示。该表通过 time_key 唯一标识每一秒,并为其提供多层级的时间信息,如 24 小时制、12 小时制、分钟、秒和 AM/PM 标识等。
- 表结构概述
time_key:以秒为单位的唯一标识,范围从 0 到 86399,表示一天中的每一秒。
time_value:秒数对应的具体时间(HH:MM:SS 格式)。
hour24:24 小时制的小时数,用于与时间相关的精确分析。
hour12:12 小时制的小时数,配合 AM/PM 标识支持更常见的时间展示。
minutes 和 seconds:分别表示分钟和秒数,提供精确的时间粒度。
am_pm:表示当前时间为上午(AM)或下午(PM),方便时间分段分析。
- 时间维度表的作用
标准化时间表示:dim_time 提供了一致的时间表示,避免在数据分析中因时间格式不统一而导致的混淆。
支持多层级时间聚合:能够在不同时间粒度上进行聚合分析,例如按小时、天、月、季度或年等进行业务汇总。
简化时间查询:提供与时间相关的字段,支持复杂的时间计算,如按 AM/PM、工作日、周末、节假日等分类进行分析。
提高查询效率:通过关联事实表中的 time_key,大幅提高与时间相关的数据查询性能,避免实时计算时间字段。
历史趋势分析:时间维度表是执行历史数据分析、同比、环比等时间比较的基础,帮助用户进行数据趋势洞察和预测。
- 性能优化
时间维度表中使用了整数型的 time_key 作为主键,便于事实表高效地与时间维度表进行关联查询。这种方式减少了复杂时间字段的存储和计算压力,同时提高了查询响应速度。
- 数据仓库建模中的关键角色
在星型或雪花型数据仓库模型中,时间维度表是所有与时间相关的分析、汇总和计算的基础。它为事实表提供了完整的时间维度支持,使得业务分析能够在不同的时间层级和时间段上展开。
- 应用场景
销售分析:按小时、日、月、季度、年等时间维度聚合销售数据,分析销售趋势。
用户行为分析:分析用户的访问时间分布,比如按小时、工作日与周末、节假日进行比较。
财务报表:生成按时间维度汇总的财务报表,支持时间段对比,如去年同期或上季度的财务表现。