摘要： 标签 PostgreSQL , 数据透视 , 实时 , 物化 , 预计算 , 多维分析 , 流计算 , 增量合并 , 调度 , HLL 背景 典型的电商类数据透视业务，透视的语料可能会包含一些用户的标签数据：例如包含品牌的ID，销售区域的ID，品牌对应用户的ID，以及若干用户标签字段，时间字段等。
标签
PostgreSQL , 数据透视 , 实时 , 物化 , 预计算 , 多维分析 , 流计算 , 增量合并 , 调度 , HLL
背景
典型的电商类数据透视业务，透视的语料可能会包含一些用户的标签数据：例如包含品牌的ID，销售区域的ID，品牌对应用户的ID，以及若干用户标签字段，时间字段等。
标签可能会按不同的维度进行归类，例如tag1 性别，tag2 年龄段, tag3 兴趣爱好, ...。
业务方较多的需求可能是对自有品牌的用户进行透视，统计不同的销售区域（渠道）、时间段、标签维度下的用户数（一个非常典型的数据透视需求）。
例子
数据结构举例
每天所在区域、销售渠道的活跃用户ID
t1 (
uid, -- 用户ID
groupid, -- 销售渠道、区域ID
day -- 日期
)
每个品牌的自有用户，维护增量
t2 (
uid, -- 用户ID
pinpai -- 品牌
)
用户标签，维护增量
t3 (
uid, -- 用户ID
tag1, -- 标签1，如兴趣
tag2, -- 标签2，如性别
tag3, -- 标签3，如年龄段
... ,
)
透视举例
对某品牌、某销售区域，某标签、某日进行透视。
例如
select
'兴趣' as tag,
t3.tag1 as tag_value,
count(1) as cnt
from
t1,
t2,
t3
where
t1.uid = t3.uid
and t1.uid = t2.uid
and t2.pinpai = ?
and t1.groupid = ?
AND t1.day = '2017-06-25'
group by t3.tag1
这类查询的运算量较大，而且分析师可能对不同的维度进行比对分析，因此建议采用预计算的方法进行优化。
预计算优化
预计算需要得到的结果如下：
t_result (
day, -- 日期
pinpai, -- 品牌ID
groupid, -- 渠道、地区、门店ID
tag1, -- 标签类型1
tag2, -- 标签类型2
tag3, -- 标签类型3
... -- 标签类型n
cnt, -- 用户数
uids, -- 用户ID数组，这个为可选字段，如果不需要知道ID明细，则不需要保存
hll_uids -- 用户HLL估值
)
对于GPDB，可以使用列存储，表分区则按day范围一级分区，按pinpai, groupid哈希进行二级分区，数据分布策略选择随机分布，最后针对每个tag?字段建立单独索引。 从而实现快速的检索（甭管数据量多大，单次透视请求的速度应该可以控制在100毫秒以内）。
得到这份结果后，分析师的查询简化如下（前三个条件通过分区过滤数据，最后根据tag?的索引快速得到结果）：
select
day, pinpai, groupid, 'tag?' as tag, cnt, uids, hll_uids
from t_result
where
day =
and pinpai =
and groupid =
and tag? = ?
预计算后，甚至能以非常少量的运算量，实现更加复杂的维度分析，例如分析某两天的差异用户，分析多个TAG叠加的用户等