在实际业务中，我们经常需要将多张表关联后进行多表分析，但当A表多对多B表，又或者B表又多对多C表时，笛卡尔积带来的数据膨胀问题让人无法忽视。虽然可以用某些复杂迂回的办法方法解决，但投入产出比着实太低了，有么有一种更简洁优雅的方式呢？

　　 01 背景

　　使用过BI的用户一定都知道，我们在搭建一个数据看板之前，先要把源数据接入BI产品内，即和数据源「建立连接」，然后进行「数据处理」，对原始数据进行清洗（若有需要也可以增加「数据落库」这一步骤，增强性能），最后将清洗的数据表关联成面向分析的主题「数据模型」。　　

　　创建面向分析主题的「数据模型」是数据分析的基础，但是基于原来数据模型的功能，无法有效解决“关联不同粒度事实表”统一分析的场景，比如以下两个场景：

　　（1）老王手上有两张表。A表是每个商品的销售记录(商品id、订单id、订单金额)，因为同一id的商品会被出售多次，所以商品销售记录表里有多个「商品id」；B表是每个商品的销售目标(商品id，销售目标)，同一id的商品只有唯一的「销售目标」，所以商品销售目标表里只有唯一的「商品id」

　　A表B表根据商品id直接关联（多对一关联），创建的数据模型中「销售目标」数据会膨胀（扩大N倍）

　　（2）老王手上又来了两张表。A表是每个客户的贷款记录(客户id、贷款单id、贷款金额)，B表是每个客户的存款记录(客户id、存款单id、存款金额)，统一id的客户贷款记录和存款记录均有多条，所以两表中的「客户id」也有多条

　　A表B表根据客户id直接关联（多对多关联），创建的数据模型中「贷款金额」、「存款金额」等指标同样会膨胀

　　为了解决上述多事实表关联为代表的度量数据膨胀的问题，有数BI重磅推出「关系模型」的功能。

　　 02 解决方案

　　何谓关系模型？

　　如下图所示，关系模型是在逻辑表（即原有数据模型）基础之上再增加关系层，关系层只需要设置逻辑表之间的关联字段，不必精确定义关联（join）方式；这就使得关系模型足够灵活，能够把用户所选的字段针对性地做聚合，并保证了数据的准确性和完整性，有效避免多事实表关联产生的数据膨胀问题。　　

　　因此，关系模型分为关系（即：逻辑层）和联接（即：物理层）两层，其中物理层即为原先的数据模型，即通过多个原始表（也称物理表）进行确定的关联方式来形成物理层（即原先的宽表）；逻辑层是将多个物理层（也称逻辑表）建立关系，关系需要指定关系键，但不需要指定关联方式，具体的关联形式将由视图上的维度和度量共同决定。

　　具体的使用步骤包括：

　　（1）在「关系」层配置逻辑表之间的关联

　　类似于数据模型的创建，拖入两张表时，若它们在原数据库中存在外键关联，则会自动进行关联；若无外键，系统会自动将两张表中相同名称的字段设置为外键进行关联。您可以在此自行添加/修改/删除关联字段。　　

　　展开「高级设置」，可以根据基数和引用完整性来保障查询性能：　　

　　配置逻辑表的基数：确定当前表跟其他表关联时，关联和聚合的先后顺序

　　如果关联字段值不唯一，或者不确定是否唯一的情况下，请选择“多”，则该逻辑表跟其他表关联时会“先聚合再关联”；

　　如果字段值是唯一的，请选择“一”，则该逻辑表跟其他表关联时“先关联再聚合”；

　　配置引用完整性：确定表联接的类型

　　如果字段中的某些值在其他表中没有相同的成员值，或者您不确定是否有完全一致的成员值，请选择引用完整性为“某些记录匹配”，则表join时为“外部联接”；

　　如果字段中的值确定在其他表中有相同的成员值，请选择引用完整性为“所有记录匹配”，则表join时为“内部联接”；

　　（2）在「联接」层配置物理表之间的关联

　　在某个逻辑表右下角的下拉菜单中点击「编辑表」或者直接双击逻辑表，可进入第二层，进入该逻辑表的内部联接配置，您可以配置物理表之间的联接类型和关联字段，操作与普通数据模型相同。　　

　　 03 应用案例

　　接下来以直播电商计算GPM指标为例，给大家介绍下关系模型的实际应用。直播电商场景下，比起GMV，大家更关心GPM（千次曝光成交量）指标，该指标的计算公式：

　　GPM=（GMV/曝光PV）*1000

　　GMV，即商品的成交金额，该数据存在商品的交易表中（如表1），而曝光PV则在商品的曝光数据表中（如表2），因此需要将商品交易数据跟商品曝光数据关联在同一个数据模型里，才能计算出商品的GPM。　　

（表1.商品交易数据表样例）

　　

（表2. 商品曝光数据表样例）

　　当需要把商品交易数据跟商品曝光数据用商品id字段直接关联(Join)，就会产生数据膨胀：　　

　　因为表1是订单粒度的，同一个商品id存在多笔订单，一个商品id会对应多条记录。而表2是商品粒度，一个商品id只会有一条记录。两个表用商品id进行关联(Join)后，表2中的曝光PV指标就会产生膨胀——“p0001”这个商品id在表1中出现过6次，表2中的曝光pv数据汇总后就会放大6倍（如下图），这样计算得到的GPM则会比真实值小很多：　　

　　虽然可以先将表1按照商品id粒度聚合，再跟表2进行关联，如此不会发生数据膨胀的问题。但是表1中的sku、订单等粒度的信息也在聚合的过程中丢失了。无法在分析的过程中下钻到sku或者订单粒度查看交易数据。

　　而利用关系模型，则可以很好地解决上述问题。不同粒度事实表一同分析时，在保留事实表详细信息的同时，也不会产生数据膨胀。

　　步骤1：新建一个数据模型，打开“关系模型”的开关　　

　　步骤2：拖入要分析的“商品交易数据表”、“商品曝光数据表”

　　使用商品ID字段作为关联字段，建立两个表的关系。性能选项中可以选择“多对一”　　

　　步骤3：在报告模块引用该数据模型，并进行数据分析

　　拖入商品id、成交金额、曝光PV和GPM，可以发现曝光PV指标展示的值是正确的，未发生数据膨胀，由此得到了正确的GPM~　　

　　 04 邀您体验

　　由于篇幅有限，本文只展示了一个非常简单的例子，但其中的操作也同样适用于实际业务中更复杂的场景，相信关系模型会为您带来全新的体验。

　　目前关系模型已于昨晚正式上架有数BI8.9版本，欢迎前往官网免费体验，私有部署的客户可联系技术支持进行升级。

　　在设计关系模型的过程中，我们也对跨视图粒度计算（LOD）的性能做了优化，欢迎一并体验