目录
1. 交易域购物车周期快照事实表（dwd_trade_cart_full）
业务理解
代码分析
业务价值
2. 交易域交易流程累积快照事实表（dwd_trade_trade_flow_acc）
业务理解
特殊处理逻辑
数据更新策略
业务价值
3. 两种事实表的对比
4. 数据处理特点
购物车表的特点
交易流程表的特点
5. 业务应用场景
购物车快照表的应用
交易流程表的应用
6. 数据质量考虑
购物车表
交易流程表
完整代码
总结
1.交易域购物车周期快照事实表（dwd_trade_cart_full）
业务理解
表类型：周期快照事实表（每日全量快照）
业务场景：记录用户购物车状态的每日快照，用于分析购物车中的商品情况
特点：
每天记录所有活跃购物车（未下单）的商品
保留购物车中商品的数量变化历史
只包含未下单的购物车商品（
is_ordered='0'）
代码分析
-- 只包含未下单的购物车商品 where dt='2022-06-08' and is_ordered='0' -- 关键过滤条件，只保留未下单的商品业务价值
分析购物车商品的留存率
监控购物车到订单的转化漏斗
识别用户感兴趣但未下单的商品
2.交易域交易流程累积快照事实表（dwd_trade_trade_flow_acc）
业务理解
表类型：累积快照事实表（跟踪业务流程全周期）
业务场景：记录订单从创建到完成的整个生命周期
时间节点：包含三个关键业务事件时间
下单时间（order_time）
支付时间（payment_time）
完成时间（finish_time）
特殊处理逻辑
-- 特殊分区策略：使用9999-12-31表示进行中的订单 nvl(date_format(finish_time,'yyyy-MM-dd'),'9999-12-31')业务含义：
dt='9999-12-31'：表示订单尚未完成，仍在进行中dt=具体日期：表示订单在该日期已完成
数据更新策略
-- 每日装载逻辑的核心： -- 1. 保留所有未完成的订单（9999-12-31分区） -- 2. 合并当日新增订单 -- 3. 更新已完成订单的状态和时间 select ... from dwd_trade_trade_flow_acc where dt='9999-12-31' union all select ... from ods_order_info_inc where type='insert'业务价值
流程时长分析：支付时长、配送时长等
转化率分析：下单到支付转化率、支付到完成转化率
订单状态监控：实时掌握订单在各环节的数量
3.两种事实表的对比
| 维度 | 购物车周期快照表 | 交易流程累积快照表 |
|---|---|---|
| 更新频率 | 每日全量 | 增量更新（事件驱动） |
| 数据粒度 | 购物车级别 | 订单级别 |
| 时间维度 | 静态快照（每天一次） | 动态跟踪（多个时间点） |
| 生命周期 | 从加入购物车到下单 | 从下单到订单完成 |
| 主要用途 | 购物车分析、转化分析 | 订单流程分析、时效分析 |
4.数据处理特点
购物车表的特点
-- 简单映射，无需复杂关联 -- 每日全量覆盖，数据量相对稳定 insert overwrite table ... partition(dt='2022-06-08')交易流程表的特点
-- 复杂的多表关联（订单、支付、状态日志） -- 累积更新，保留历史状态 -- 使用动态分区（set hive.exec.dynamic.partition.mode=nonstrict）5.业务应用场景
购物车快照表的应用
商品热度分析：哪些商品经常被加入购物车但未购买
用户行为分析：用户购物车商品数量分布
促销效果评估：促销活动对购物车商品的影响
交易流程表的应用
订单时效分析：平均支付时长、平均配送时长
漏斗转化分析：各环节转化率统计
异常订单监控：长时间未支付、未完成的订单
6.数据质量考虑
购物车表
需确保只包含未下单商品（
is_ordered='0'）每日全量，需关注数据量突变
交易流程表
需处理数据延迟到达（如支付信息晚于订单创建）
需处理状态异常（如支付失败后重新支付）
使用
nvl()函数处理空值，确保数据完整性
完整代码
-- 四、交易域购物车周期快照事实表 -- 建表语句 DROP TABLE IF EXISTS dwd_trade_cart_full; CREATE EXTERNAL TABLE dwd_trade_cart_full ( `id` STRING COMMENT '编号', `user_id` STRING COMMENT '用户ID', `sku_id` STRING COMMENT 'SKU_ID', `sku_name` STRING COMMENT '商品名称', `sku_num` BIGINT COMMENT '现存商品件数' ) COMMENT '交易域购物车周期快照事实表' PARTITIONED BY (`dt` STRING) STORED AS ORC LOCATION '/warehouse/gmall/dwd/dwd_trade_cart_full/' TBLPROPERTIES ('orc.compress' = 'snappy'); -- 交易域购物车周期快照事实表数据装载 insert overwrite table dwd_trade_cart_full partition(dt='2022-06-08') select id, user_id, sku_id, sku_name, sku_num from ods_cart_info_full where dt='2022-06-08' and is_ordered='0'; -- 五、交易域交易流程累积快照事实表 -- 建表语句 DROP TABLE IF EXISTS dwd_trade_trade_flow_acc; CREATE EXTERNAL TABLE dwd_trade_trade_flow_acc ( `order_id` STRING COMMENT '订单ID', `user_id` STRING COMMENT '用户ID', `province_id` STRING COMMENT '省份ID', `order_date_id` STRING COMMENT '下单日期ID', `order_time` STRING COMMENT '下单时间', `payment_date_id` STRING COMMENT '支付日期ID', `payment_time` STRING COMMENT '支付时间', `finish_date_id` STRING COMMENT '确认收货日期ID', `finish_time` STRING COMMENT '确认收货时间', `order_original_amount` DECIMAL(16, 2) COMMENT '下单原始价格', `order_activity_amount` DECIMAL(16, 2) COMMENT '下单活动优惠分摊', `order_coupon_amount` DECIMAL(16, 2) COMMENT '下单优惠券优惠分摊', `order_total_amount` DECIMAL(16, 2) COMMENT '下单最终价格分摊', `payment_amount` DECIMAL(16, 2) COMMENT '支付金额' ) COMMENT '交易域交易流程累积快照事实表' PARTITIONED BY (`dt` STRING) STORED AS ORC LOCATION '/warehouse/gmall/dwd/dwd_trade_trade_flow_acc/' TBLPROPERTIES ('orc.compress' = 'snappy'); -- 交易域交易流程累积快照事实表首日数据装载 set hive.exec.dynamic.partition.mode=nonstrict; insert overwrite table dwd_trade_trade_flow_acc partition(dt) select oi.id, user_id, province_id, date_format(create_time,'yyyy-MM-dd'), create_time, date_format(callback_time,'yyyy-MM-dd'), callback_time, date_format(finish_time,'yyyy-MM-dd'), finish_time, original_total_amount, activity_reduce_amount, coupon_reduce_amount, total_amount, nvl(payment_amount,0.0), nvl(date_format(finish_time,'yyyy-MM-dd'),'9999-12-31') from ( select data.id, data.user_id, data.province_id, data.create_time, data.original_total_amount, data.activity_reduce_amount, data.coupon_reduce_amount, data.total_amount from ods_order_info_inc where dt='2022-06-08' and type='bootstrap-insert' )oi left join ( select data.order_id, data.callback_time, data.total_amount payment_amount from ods_payment_info_inc where dt='2022-06-08' and type='bootstrap-insert' and data.payment_status='1602' )pi on oi.id=pi.order_id left join ( select data.order_id, data.create_time finish_time from ods_order_status_log_inc where dt='2022-06-08' and type='bootstrap-insert' and data.order_status='1004' )log on oi.id=log.order_id; -- 交易域交易流程累积快照事实表每日数据装载 set hive.exec.dynamic.partition.mode=nonstrict; insert overwrite table dwd_trade_trade_flow_acc partition(dt) select oi.order_id, user_id, province_id, order_date_id, order_time, nvl(oi.payment_date_id,pi.payment_date_id), nvl(oi.payment_time,pi.payment_time), nvl(oi.finish_date_id,log.finish_date_id), nvl(oi.finish_time,log.finish_time), order_original_amount, order_activity_amount, order_coupon_amount, order_total_amount, nvl(oi.payment_amount,pi.payment_amount), nvl(nvl(oi.finish_time,log.finish_time),'9999-12-31') from ( select order_id, user_id, province_id, order_date_id, order_time, payment_date_id, payment_time, finish_date_id, finish_time, order_original_amount, order_activity_amount, order_coupon_amount, order_total_amount, payment_amount from dwd_trade_trade_flow_acc where dt='9999-12-31' union all select data.id, data.user_id, data.province_id, date_format(data.create_time,'yyyy-MM-dd') order_date_id, data.create_time, null payment_date_id, null payment_time, null finish_date_id, null finish_time, data.original_total_amount, data.activity_reduce_amount, data.coupon_reduce_amount, data.total_amount, null payment_amount from ods_order_info_inc where dt='2022-06-09' and type='insert' )oi left join ( select data.order_id, date_format(data.callback_time,'yyyy-MM-dd') payment_date_id, data.callback_time payment_time, data.total_amount payment_amount from ods_payment_info_inc where dt='2022-06-09' and type='update' and array_contains(map_keys(old),'payment_status') and data.payment_status='1602' )pi on oi.order_id=pi.order_id left join ( select data.order_id, date_format(data.create_time,'yyyy-MM-dd') finish_date_id, data.create_time finish_time from ods_order_status_log_inc where dt='2022-06-09' and type='insert' and data.order_status='1004' )log on oi.order_id=log.order_id;总结
这两个表体现了数据仓库中两种典型的事实表设计：
周期快照表：适用于状态相对稳定、需要历史快照的业务场景
累积快照表：适用于有明确业务流程、需要跟踪状态变化的时间序列场景
通过这两种表的结合，可以全面分析用户从浏览商品（购物车）到完成购买（订单流程）的完整消费旅程，为业务决策提供全面的数据支持。
