Data Vault场景下，仅记录级修改日期时如何统计属性变更频率？

一、核心分析思路 #

因为只有记录级修改日期，没法直接获取单个属性的变更时间，所以可以通过跟踪同一业务ID下属性值的历史变化次数间接计算变更频率，你的初步思路方向是对的，只需优化细节即可。

二、具体查询实现（以SQL为例） #

假设你的卫星表结构为：business_id（业务主键）、load_date（记录级修改日期）、attr1、attr2、is_active（布尔属性）等。

1. 按业务ID和时间为记录排序 #

先给每条记录按业务ID分组、加载日期升序排名，方便后续对比相邻时间点的属性值：

WITH ranked_records AS (
    SELECT
        business_id,
        load_date,
        attr1,
        attr2,
        is_active,
        ROW_NUMBER() OVER (PARTITION BY business_id ORDER BY load_date) AS record_rank
    FROM your_satellite_table
)

2. 对比相邻记录，统计属性变更次数 #

将当前记录与同业务ID的上一条记录做属性值对比，值不同则记一次变更：

, attribute_changes AS (
    SELECT
        business_id,
        SUM(CASE WHEN curr.attr1 != prev.attr1 THEN 1 ELSE 0 END) AS attr1_change_count,
        SUM(CASE WHEN curr.attr2 != prev.attr2 THEN 1 ELSE 0 END) AS attr2_change_count,
        -- 布尔属性直接对比即可，逻辑和其他属性一致
        SUM(CASE WHEN curr.is_active != prev.is_active THEN 1 ELSE 0 END) AS is_active_change_count
    FROM ranked_records curr
    LEFT JOIN ranked_records prev
        ON curr.business_id = prev.business_id
        AND curr.record_rank = prev.record_rank + 1
    GROUP BY business_id
)

3. 计算整体属性变更频率 #

通过统计平均变更次数、中位数等指标，分析各属性的变更频率分布：

SELECT
    AVG(attr1_change_count) AS avg_attr1_changes,
    AVG(attr2_change_count) AS avg_attr2_changes,
    AVG(is_active_change_count) AS avg_is_active_changes,
    PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY attr1_change_count) AS median_attr1_changes
FROM attribute_changes;

三、关于布尔属性的干扰问题 #

布尔值不会干扰结果。布尔属性只有两种状态（如TRUE/FALSE），对比逻辑和其他属性完全一致：只要相邻记录的布尔值不同，就算一次变更。反而因为它的可能值更少，统计结果会更精准，不会出现离散值过多导致的偏差。

四、额外优化建议 #

• 初始加载的第一条记录没有上一条记录，不会被统计变更，这是合理的——初始值不算变更。
• 如果属性存在NULL值，需要在CASE语句中补充处理逻辑，比如：CASE WHEN (curr.attr1 IS NULL AND prev.attr1 IS NOT NULL) OR (curr.attr1 IS NOT NULL AND prev.attr1 IS NULL) OR curr.attr1 != prev.attr1 THEN 1 ELSE 0 END，避免NULL对比导致的统计遗漏。
• 可以按时间范围（如月份）分组，分析属性在不同时间段的变更频率，更贴合Data Vault的时间特性。

内容的提问来源于stack exchange，提问作者0004