Viktige punkter ved bruk av koblinger

Se gjennom følgende tips.

Ikke tell målinger flere ganger ved oppsummering av poster fra en kobling.

Se nærmere på følgende to datastrømmer som mater oppskriftens måldatasett. Begge inndatastrømmer har dupliserte nøkkelverdier.

En venstre kobling dupliserer Opp_ID 1-posten i den venstre datastrømmen fordi den har flere samsvar i den høyre datastrømmen.

Merk deg at duplikatpostene gjentar salgsmulighetsbeløpet for Alice. Hvis du hadde summert salgsmulighetsbeløpene for å finne totalsummen, ville du ha telt beløpet for Alice flere ganger. For å hindre duplikatposter bruker vi et oppslag i stedet for en kobling.

La være å bruke koblinger når koblingsnøklene har en mange-til-mange-relasjon.

Når koblingsnøklene har en mange-til-mange-relasjon, kan måldatasettet bli betydelig større enn inndatastrømmene. Hvis for eksempel fire poster til venstre og fem poster til høyre har samme nøkkelverdi, legger koblingen til 20 (4 * 5) poster i måldatasettet. I et mer ekstremt tilfelle, hvis 10 000 poster til venstre og 5000 poster til høyre deler samme nøkkelverdi, oppretter koblingen 50 millioner poster i måldatasettet.

For å illustrere hvorfor dette skjer, kan du se nærmere på følgende to datastrømmer som mater oppskriftens måldatasett. Begge inndatastrømmer har dupliserte nøkkelverdier.

En venstre kobling dupliserer hver post i den venstre datastrømmen fem ganger fordi den har fem samsvar i den høyre datastrømmen.

For å hindre duplikatposter bruker vi et oppslag i stedet for en kobling. Hvis du må bruke en kobling, prøver du å legge til flere nøkkelfelt slik at nøklene får mer unike verdier.