1 概述： 数据建模之缓慢变化维场景(SCD)
- 缓慢变化维，是大数据或数据仓库中，维度表（如用户、商品表）的属性随时间缓慢变更（非实时高频），却需保留历史状态以支持多时间点数据分析的问题，核心是平衡“数据时效性”与“历史可追溯性”。
比如，用户表中，用户“所在城市”从“北京”变更为“上海”，若直接覆盖旧数据，将无法统计该用户变更前在北京产生的订单数据；若不处理，当前数据又会失真，这就是典型的缓慢变化维问题。
2 常见缓慢变化维（SCD）处理方案及适用场景
以下是4种核心处理方案，均以“用户ID=10001的用户，所在城市从北京变更为上海”为例说明：
方案1：覆盖式更新
- 处理逻辑：直接用新属性值覆盖旧值，不保留历史记录。
- 示例：用户表中，将用户10001的“所在城市”字段直接从“北京”改为“上海”，原“北京”记录被删除。
- 适用场景：无需追溯历史、仅需保留最新状态的场景，如用户“昵称”“头像”等非核心属性的变更，或数据录入错误后的修正。
方案2：新增行式更新
- 处理逻辑：不修改旧数据，新增一行包含新属性值的记录，通过“生效时间”“失效时间”“是否当前记录”等字段区分状态。
- 示例：保留原“用户10001-北京”的记录，新增“用户10001-上海”的记录；原记录失效时间设为变更日期，新记录生效时间设为变更日期、“是否当前”设为“是”。
- 适用场景：需完整追溯历史状态的核心场景，如用户“所在城市”“会员等级”等影响业务统计（如区域订单量、会员消费分析）的属性变更。
方案3：新增列式更新
- 处理逻辑：在原表中新增“旧属性列”（如“原所在城市”），保存旧值，原字段更新为新值，仅保留最近一次历史记录。
- 示例：用户表新增“原所在城市”列，将旧值“北京”存入该列，原“所在城市”列更新为“上海”，仅记录“上海→北京”这一次变更。
- 适用场景：仅需对比“当前值”与“最近一次旧值”，无需完整历史轨迹的场景，如商品“原价”与“现价”的对比展示，或用户“上次所在城市”与“当前城市”的简单分析。
方案4：组合式更新，Type1+2+3
- 处理逻辑：结合Type1（覆盖）、Type2（新增行）、Type3（新增列）的特点，既新增行保留完整历史，又在当前行新增列记录关键历史信息。
- 示例：新增“用户10001-上海”的行（Type2），同时在当前行新增“上次所在城市”列记录“北京”（Type3），原记录标记失效（Type2）。
- 适用场景：需兼顾完整历史追溯与便捷查询关键历史信息的场景，如金融领域客户“职业”“收入等级”变更，既需追溯每一次变更以满足合规审计（Type2），又需快速获取“当前职业”与“上一职业”进行对比分析（Type3）。
