同步更新：https://icemimosa.notion.site/Schema-Less-OLAP-TSL-6821d3b3bc384a7b8bf43bfbec9b7097

一、概述

在文档 非结构化数仓建模和Schema-Less OLAP构建（零） 我们讲述了如何基于bitmap来作为非结构化建模的底层数据结构，本节我们具体讨论为了构建table schema-less的olap，我们该使用什么样的表结构来存储数据。当然这里只讨论数据的组织方式，不关心具体的OLAP引擎。

二、事件分析模型（多维分析）

在讲解具体的模型结构之前，先解释下什么是「无表结构约束」（schema-less）是一个什么概念，以及实现的常用手段。

在最开始的文章中，我们知道在一条用户行为事件日志中，往往可以抽象拆解成「时间」、「实体」、「维度」、「指标」：

• 时间：事件发生的时间，往往最后会聚合成分钟、小时、天，当然时间也是一种维度。
• 实体：分析的实体对象，可以是人、设备、视频、文章、作者等。
• 维度：事件携带的变量，可以是城市、浏览器、用户属性、事件特有的属性等，由「维度标识」+「维度值」组成。
• 指标：事件携带的分析指标，可以是事件本身的次数，页面浏览量、停留时长、购买事件的金额等，由「指标标识」+「指标量」组成。

然后将这种模型应用于通用的事件分析工具（多维分析）中，用来解决各种灵活场景的分析，比如：「过去7天」在「城市」维度下，「操作系统: Mac」的人数是多少？

• 图例：

  

为了解决示例的场景，我们可能需要在hive或者clickhouse中创建如下的表结构：

create table tbl (
  date     string,
  city     string,
  os       string,
  user_num bigint,
  pv       bigint,
  ...
)

-- 或者为了支持用户量（去重类指标）需要创建cube表，或者用户粒度的表
create table tbl (
  date     string,
  user_id  string,
  city     string,
  os       string,
  pv       bigint,
  ...
)