3. 历史项目数据模型：核心表结构设计

特征工程成本估算系统的数据底座由四张核心维度/事实表构成：历史项目数据表、特征维度表、成本事实表和时间维度表。四表通过外键关联，形成星型模型，支撑按项目、特征、时间三个维度对成本进行聚合与下钻分析。

3.1 历史项目数据表（dim_project）

记录每个历史项目的静态属性，是特征工程成本分析的入口维度。

3.2 特征维度表（dim_feature）

描述每个特征的元数据，包括特征类型、计算复杂度、依赖关系等，是成本估算的核心粒度。

3.3 成本事实表（fact_cost）

存储每个项目、每个特征、在每个时间周期内的实际成本度量，是分析模型的事实主体。

3.4 时间维度表（dim_time）

提供日期、周、月、季度、年等时间层次，支持按不同粒度汇总成本。

3.5 星型模型关系图

四张表通过外键关联，形成标准的星型数据模型，便于 OLAP 查询与成本聚合。

3.6 核心查询场景示例

基于上述模型，以下 SQL 查询按项目+月份聚合总成本，是成本估算接口的典型数据源：

SELECT
    p.project_name,
    t.year,
    t.month,
    ROUND(SUM(f.total_cost), 2) AS total_cost_sum
FROM fact_cost f
JOIN dim_project p ON f.project_id = p.project_id
JOIN dim_time t ON f.time_id = t.time_id
WHERE p.is_active = 1
  AND t.year = 2025
GROUP BY p.project_name, t.year, t.month
ORDER BY total_cost_sum DESC;

3.7 数据模型版本管理建议

• 缓慢变化维度（SCD）：dim_feature 中 avg_compute_ms 和 storage_bytes 可能随版本更新，建议采用 SCD Type 2（增加生效时间区间）或 Type 6（混合模式）记录历史。
• 事实表增量加载：fact_cost 按 record_date 分区，每日增量写入，避免全表扫描。
• 维度表预填充：dim_time 一次性生成 10 年数据，减少运行时计算。