# 患者检查数据仓库建表说明

## 📁 文件说明

| 文件 | 说明 |
|------|------|
| `01_create_ods_tables.sql` | ODS 层（原始数据层）建表语句 |
| `02_create_dwd_tables.sql` | DWD 层（明细数据层）建表语句 |
| `03_create_ads_tables.sql` | ADS 层（应用数据层）建表语句 |

## 🗄️ 表结构概览

### ODS 层（原始数据层）

MySQL 原表的镜像，结构完全一致，加 `ods_` 前缀：

| 表名 | 说明 | 同步频率 |
|------|------|---------|
| `ods_patient_custome` | 患者表 | 每天增量 |
| `ods_clinic_clinic` | 就诊表 | 每天增量 |
| `ods_exam_examresult` | 检查结果表 | 每天增量 |
| `ods_treat_sellgoods` | 取镜记录表 | 每天增量 |
| `ods_material_goods` | 商品表 | 每天全量 |
| `ods_fee_order` | 订单表 | 每天增量 |
| `ods_fee_orderdetail` | 订单明细表 | 每天增量 |
| `ods_staff_staff` | 员工表 | 每天全量 |
| `ods_org_org` | 机构表 | 每天全量 |

**字段说明**：
- 所有表都有 `create_time` 和 `update_time`（Doris 记录）
- `source_create_time` 和 `source_update_time`（MySQL 源表时间）

### DWD 层（明细数据层）

| 表名 | 说明 | 生成方式 |
|------|------|---------|
| `fact_patient_exam_detail` | 患者就诊明细事实表 | Doris 内部关联 ODS 表 |

**数据来源**：
- `ods_clinic_clinic`（就诊记录）
- `ods_patient_custome`（患者信息）
- `ods_exam_examresult`（检查结果）
- `ods_treat_sellgoods`（取镜记录）
- `ods_material_goods`（商品信息）
- `ods_fee_order`（订单信息）
- `ods_staff_staff`（员工信息）
- `ods_org_org`（机构信息）

### ADS 层（应用数据层）

| 表名 | 说明 | 生成方式 |
|------|------|---------|
| `fact_patient_exam_wide` | 患者检查周期宽表 | Doris 内部计算 DWD 表 |

**宽表结构**：
- 以末次取镜时间为中心点
- 包含基线、前后多个周期的检查数据
- 每个患者每天一条记录（按末次取镜日期）

## 🚀 使用步骤

### 1. 创建表

```bash
# 连接 Doris
mysql -h 127.0.0.1 -P 9030 -u root -p

# 使用数据库
USE bolin_prd;

# 按顺序执行建表语句
source sql/patient_exam/01_create_ods_tables.sql
source sql/patient_exam/02_create_dwd_tables.sql
source sql/patient_exam/03_create_ads_tables.sql
```

### 2. 验证表结构

```sql
-- 查看 ODS 层表
SHOW TABLES LIKE 'ods_%';

-- 查看 DWD 层表
SHOW TABLES LIKE 'fact_patient_exam_detail';

-- 查看 ADS 层表
SHOW TABLES LIKE 'fact_patient_exam_wide';

-- 查看表结构
DESC ods_patient_custome;
DESC fact_patient_exam_detail;
DESC fact_patient_exam_wide;
```

### 3. 启动同步任务

```bash
# 进入项目目录
cd E:\公司\BI1.0\doris_sync

# 查看任务列表
python main.py jobs

# 手动运行 ODS 层同步（测试）
python main.py run ods_patient_exam_sync
```

## 📊 字段命名规范

所有表都遵循以下规范：

| 字段类型 | 命名规则 | 示例 |
|---------|---------|------|
| 主键 | `id` | `id` |
| 业务ID | `xxx_id` | `patient_id`, `clinic_id` |
| 名称 | `xxx_name` | `patient_name`, `org_name` |
| 金额 | `xxx_amt` | `pay_amt`, `total_amt` |
| 数量 | `xxx_cnt` | `buy_cnt`, `refund_cnt` |
| 日期 | `xxx_date` | `come_date`, `pickup_date` |
| 时间 | `xxx_time` | `create_time`, `update_time` |
| 值 | `xxx_val` | `right_se_val`, `al_od_val` |
| 标识 | `is_xxx` | `is_both_bs_xq` |
| 类型 | `xxx_type` | `visit_type`, `fee_class` |

所有表都有 `create_time` 和 `update_time` 字段。

## ⚙️ 配置说明

### 数据同步策略

- **ODS 层**：每天凌晨1点，增量同步昨天的数据
- **DWD 层**：每天凌晨2点，在 Doris 内部关联生成
- **ADS 层**：每天凌晨3点，增量更新；每周日凌晨3点，更新最近90天；每月1号凌晨4点，全量重建

### 分区策略（可选）

当数据量增大时，可以对 `fact_patient_exam_wide` 表进行分区：

```sql
-- 按数据日期（末次取镜日期）分区
ALTER TABLE fact_patient_exam_wide
ADD PARTITION BY RANGE(`data_date`) (
    PARTITION p202401 VALUES LESS THAN ('2024-02-01'),
    PARTITION p202402 VALUES LESS THAN ('2024-03-01'),
    PARTITION p202403 VALUES LESS THAN ('2024-04-01'),
    PARTITION p202404 VALUES LESS THAN ('2024-05-01')
);
```

### Rollup 优化（可选）

为常用查询创建 Rollup 提升性能：

```sql
ALTER TABLE fact_patient_exam_wide
ADD ROLLUP recent_data (
    patient_id, patient_name, mobile,
    baseline_right_se_val, baseline_left_se_val,
    p3_right_se_val, p3_left_se_val,
    p6_right_se_val, p6_left_se_val
);
```

## 🔍 常用查询

```sql
-- 查询某个患者的检查数据
SELECT * FROM fact_patient_exam_wide
WHERE patient_id_str = 'P123456';

-- 查询最近取镜的患者
SELECT * FROM fact_patient_exam_wide
ORDER BY last_pickup_time DESC
LIMIT 100;

-- 查询某个收费分类的患者
SELECT * FROM fact_patient_exam_wide
WHERE fee_class = '离焦镜片'
AND last_pickup_date >= '2024-01-01';

-- 统计基线数据完整度
SELECT
    COUNT(*) as total_cnt,
    COUNT(baseline_right_se_val) as has_baseline_se_cnt,
    COUNT(baseline_al_od_val) as has_baseline_al_cnt,
    COUNT(*) - COUNT(baseline_right_se_val) as missing_baseline_se_cnt
FROM fact_patient_exam_wide
WHERE last_pickup_date >= '2024-01-01';
```