基于同一代理键的Left Join结果与分表筛选结果不一致问题

• 检查视图底层逻辑
  确认FactEmployee和DimEmployee视图的SQL是否包含异常过滤、聚合逻辑：比如DimEmployee作为Type2维度，若视图中误加DISTINCT或分组，会破坏代理键的唯一性或丢失历史记录；若视图关联了其他表，可能引入多余数据或过滤掉必要行。

• 验证代理键的唯一性与匹配性

  • 排查事实表视图中代理键重复情况：

    SELECT employee_sk, COUNT(*) AS cnt
    FROM FactEmployee
    GROUP BY employee_sk
    HAVING cnt > 1;
    

    若存在重复，左连接会因一对多关系导致结果行数膨胀。
  • 排查维度表视图中代理键重复情况：

    SELECT employee_sk, COUNT(*) AS cnt
    FROM DimEmployee
    GROUP BY employee_sk
    HAVING cnt > 1;
    

    Type2维度的代理键应唯一，重复会直接导致连接后数据异常翻倍。
  • 确认事实表代理键在维度表中的存在性：

    SELECT COUNT(*) AS fact_only_sk
    FROM FactEmployee f
    LEFT JOIN DimEmployee d ON f.employee_sk = d.employee_sk
    WHERE d.employee_sk IS NULL;
    

    若大量代理键未匹配维度表，左连接后对应维度字段会为NULL，与预期结果偏差。

• 检查连接与过滤的顺序
  避免在左连接后添加维度表的过滤条件，比如以下写法会将左连接转为内连接：

  SELECT *
  FROM FactEmployee f
  LEFT JOIN DimEmployee d ON f.employee_sk = d.employee_sk
  WHERE d.status = 'ACTIVE';
  

  正确做法是将维度表过滤条件放到ON子句中：

  SELECT *
  FROM FactEmployee f
  LEFT JOIN DimEmployee d ON f.employee_sk = d.employee_sk AND d.status = 'ACTIVE';
  

• 确认代理键数据类型一致性
  检查两个视图中代理键的字段类型是否完全一致（如同为INT而非一个INT一个VARCHAR）。Snowflake的隐式类型转换可能导致匹配失败，比如字符串'123'与数值123无法正确匹配。

• 分析查询执行计划
  用EXPLAIN查看连接逻辑是否符合预期，排查是否出现意外的笛卡尔积或视图展开后的异常连接：

  EXPLAIN
  SELECT *
  FROM FactEmployee f
  LEFT JOIN DimEmployee d ON f.employee_sk = d.employee_sk;
  

内容的提问来源于stack exchange，提问作者flyingDutchman