项目采集维度的升级

数据采集系统采用多维度渐进式采集策略，通过时间维度和业务维度的组合，实现从细粒度到粗粒度的数据统计。系统会利用 Kafka 实现自动完成维度升级，确保数据在不同维度下的完整性和准确性。

维度说明

时间维度（DateType）

• 日（DAY）：按天统计数据
• 周（WEEK）：按周统计数据
• 月（MONTH）：按月统计数据
• 年（YEAR）：按年统计数据

业务维度（VideoDimensionType）

• 视频（VIDEO）：单个视频维度的数据采集
• 视频分类（VIDEO_TYPE）：视频分类维度的数据汇总
• 父级视频分类（PARENT_VIDEO_TYPE）：顶层分类维度的数据汇总

升级策略

系统采用"时间维度优先，业务维度递进"的升级策略：

1. 时间维度升级：在同一业务维度下，时间维度按 日 → 周 → 月 → 年 的顺序逐级升级
2. 业务维度升级：当时间维度达到"年"时，升级业务维度并将时间重置为"日"，业务维度按 视频 → 视频分类 → 父级视频分类 的顺序升级
3. 终止条件：当达到 年 + 父级视频分类 时，表示所有维度组合的数据采集完成

完整升级路径

整个升级过程会经历 3个业务维度 × 4个时间维度 = 12次采集：

阶段	业务维度	时间维度升级路径
第1轮	视频	日 → 周 → 月 → 年
第2轮	视频分类	日 → 周 → 月 → 年
第3轮	父级视频分类	日 → 周 → 月 → 年 ✓

流程图

以下时序图展示了维度升级的完整循环过程，从初始维度（日 + 视频）开始，通过 Kafka 消息驱动，不断采集数据并升级维度，直到达到最高维度（年 + 父级视频分类）为止。

关键特性

• ✅ 自动化升级：通过 Kafka 消息机制实现维度自动升级，无需人工干预
• ✅ 数据完整性：确保每个维度组合的数据都被完整采集
• ✅ 渐进式汇总：从细粒度到粗粒度，逐步构建多层次的数据视图
• ✅ 循环终止控制：通过最高维度检查机制，避免无限循环

实现类

核心实现位于 UpgradeDimensionDataChainHandler 类中：

• handler() - 维度升级处理入口
• doUpgradeDimension() - 执行维度升级并检查终止条件
• upgradeDimensionParam() - 维度升级核心逻辑