数据仓库数据模型之：极限存储--历史拉链表



数据仓库数据模型之：极限存储--历史拉链表

2013-8-8 13:39| 发布者: 天空之城| 查看: 8199| 评论: 0|原作者: superlxw1234|来自: 数据仓库，hadoop

摘要: 在数据仓库的数据模型设计过程中，经常会遇到文内所提到的这样的需求。而历史拉链表，既能满足对历史数据的需求，又能很大程度的节省存储资源。

在数据仓库的数据模型设计过程中，经常会遇到这样的需求： 1. 数据量比较大; 2. 表中的部分字段会被update,如用户的地址，产品的描述信息，订单的状态等等; 3. 需要查看某一个时间点或者时间段的历史快照信息，比如，查看某一个订单在历史某一个时间点的状态，    比如，查看某一个用户在过去某一段时间内，更新过几次等等; 4. 变化的比例和频率不是很大，比如，总共有1000万的会员，每天新增和发生变化的有10万左右; 5. 如果对这边表每天都保留一份全量，那么每次全量中会保存很多不变的信息，对存储是极大的浪费; 拉链历史表，既能满足反应数据的历史状态，又可以最大程度的节省存储; 举个简单例子，比如有一张订单表,6月20号有3条记录： 到6月21日，表中有5条记录： 到6月22日，表中有6条记录： 数据仓库中对该表的保留方法：   1. 只保留一份全量，则数据和6月22日的记录一样，如果需要查看6月21日订单001的状态，则无法满足； 2. 每天都保留一份全量，则数据仓库中的该表共有14条记录，但好多记录都是重复保存，没有任务变化，如订单002,004，数据量大了，会造成很大的存储浪费；   如果在数据仓库中设计成历史拉链表保存该表，则会有下面这样一张表： 说明：   1. dw_begin_date表示该条记录的生命周期开始时间，dw_end_date表示该条记录的生命周期结束时间； 2. dw_end_date = '9999-12-31'表示该条记录目前处于有效状态； 3. 如果查询当前所有有效的记录，则select * from order_his where dw_end_date = '9999-12-31' 4. 如果查询2012-06-21的历史快照，则select * from order_his where dw_begin_date < = '2012-06-21' and end_date >= '2012-06-21'，这条语句会查询到以下记录： 和源表在6月21日的记录完全一致： 可以看出，这样的历史拉链表，既能满足对历史数据的需求，又能很大程度的节省存储资源；   关于这种历史拉链表的etl刷新策略和方法，下次再谈吧。。。