Overvejelser, når du bruger forbindelser

Gennemse følgende tips.

Tæl ikke mål med dobbelt, når du aggregerer registreringer fra en forbindelse.

Kig på følgende to datastreams, der udfylder opskriftens måldatasæt. Begge inputdatastreams har dublerede nøgleværdier.

En venstre forbindelse duplikerer Opp_ID 1-registreringen i den venstre datastream, fordi den har flere matches i den højre datastream.

Bemærk, at de duplikerede registreringer gentager salgsmulighedsbeløbet for Alice. Hvis du tilføjede alle salgsmulighedsbeløb for at få totalen, ville du tælle beløbet dobbelt for Alice. Brug et opslag i stedet for en forbindelse for at forhindre dubletregistreringer.

Lad være med at bruge forbindelser, når forbindelsesnøglerne har en mange-til-mange-relation.

Når forbindelsesnøglerne har en mange-til-mange-relation, kan måldatasættet blive væsentligt større end inputdatastreams. Hvis f.eks. fire registreringer til venstre og fem registreringer til højre har den samme nøgleværdi, føjer forbindelsen 20 (4*5) registreringer til måldatasættet. I et mere ekstremt tilfælde, hvor 10.000 registreringer til venstre og 5.000 registreringer til højre har den samme nøgleværdi, opretter forbindelsen 50 millioner registreringer i måldatasættet.

Kig på følgende to datastreams, der udfylder opskriftens måldatasæt, for at illustrere, hvorfor dette sker. Begge inputdatastreams har dublerede nøgleværdier.

En venstre forbindelse duplikerer hver registrering i den venstre datastream fem gange, fordi den har fem matches i den højre datastream.

Brug et opslag i stedet for en forbindelse for at forhindre dubletregistreringer. Hvis du skal bruge en forbindelse, skal du forsøge at tilføje flere nøglefelter for at få nøglerne til at have mere entydige værdier.