SQL应用笛卡尔积（Cartesian Product）的场景
SQL应用笛卡尔积（Cartesian Product）的场景
SQL笛卡尔积（Cartesian Product）是数据库操作中的一个基础概念，但其应用场景远不止表面所见。本文将通过几个具体的业务场景，展示笛卡尔积在数据处理中的实用价值。
引言
SQL笛卡尔积大家都不陌生，在数据库技术中算是基础的基础。但这么基础的逻辑，一样可以有一些很实用的应用，今天就罗列一些用不到的场景。
SQL笛卡尔积应用场景举例
场景1：商品日销售量汇总
场景描述：首先一个应用就是与日期相关的统计预测。比如在销售报表中常见的【商品日销售统计】，它要求统计每一个商品在每一天的销售量和销售额。这里的特别之处是即便某个商品在某一天没有销售，仍要显示一条该产品在这一天的记录，只是对应指标显示为0或空。这里的方案就是先将产品和日期先笛卡尔积，再跟销售数据表关联去统计。
场景2：单记录表（single record table）广播
场景描述：在对大表做一些查询计算时，可能用到若干个参数值，而这些参数又是基于其它一些维表或者逻辑计算所得。那么一个规避表关联和hardcode 的方式就是先将参数构造成一条记录中，比如“lastRefresh Date”，“YTDdays”，“isOpenId”...然后让这个表去cross join 整个大表，以达到将单条记录广播到整个大表每一行，并参与计算。
场景3：计算月累计MTD 或者年 YTD
场景描述：MTD 和 YTD 是 BI 或者报表中非常常见的应用，现在大多BI工具都可自动计算，而在数据库中也可以用开窗函数实现。但在一些低版本的数据库，或者某些限制情况下，我们只能应用基本的SQL。这个时候我们可以让业务表自关联，构造一个笛卡尔积，然后再应用我们的计算逻辑。当然数据量大时这样做是危险的，能怎么优化，这只能去具体问题具体分析了。
场景4：生成Junk Dimension（杂项维度表）
场景描述：Junk Dimension 是Kim Ball在维度建模里面引入的一个概念。本质上就是将一些小的维表，合并进一个大的宽的维度表。这样可以有效减小事实表的大小，并且让模型表易用一些。 那么生成整个Junk Dimension 就可以直接让小的维表笛卡尔积下。
总结
项目中用到笛卡尔积的地方还有很多，以上只是罗列工作中一些常见的。你还遇到过什么样的场景实用笛卡尔积，欢迎评论区讨论！