谈笑间学会数仓—拉链表&&流水表

拉链表 && 流水表

前言

• 拉链表：维护历史状态，以及最新状态数据的一种表，拉链表根据拉链粒度的不同，实际上相当于快照，只不过做了优化，去除了一部分不变的记录而已,通过拉链表可以很方便的还原出拉链时点的客户记录。
• 流水表： 对于表的每一个修改都会记录，可以用于反映实际记录的变更。

适用场景对比

拉链表通常是对账户信息的历史变动进行处理保留的结果，流水表是每天的交易形成的历史；
流水表用于统计业务相关情况，拉链表用于统计账户及客户的情况
数据仓库之拉链表（原理、设计以及在Hive中的实现）

在有些情况下，为了保持历史的一些状态，需要用拉链表来做，这样做目的在可以保留所有状态的情况下可以节省空间。

拉链表

拉链表应用场景

数据量大，表中某些字段有变化，但是变化的频率不是很高

业务需求，需要统计这种变化状态。

每天全量一份，浪费了存储空间，获取不到数据的变化。

这时，拉链表的作用就体现出来了，既节省空间，又满足了需求。

一般在数仓中通过增加begin_date,en_date来表示。

电商支付案例

如下例，后两列是start_date和end_date.

1	2020/8/20	2020/8/20	创建	2020/8/20	2020/8/20
1	2020/8/20	2020/8/21	支付	2020/8/21	2020/8/21
1	2020/8/20	2020/8/22	完成	2020/8/22	9999/12/31
2	2020/8/20	2020/8/20	创建	2020/8/20	2020/8/20
2	2020/8/20	2020/8/21	完成	2020/8/21	9999/12/31
3	2020/8/20	2020/8/20	创建	2020/8/20	2020/8/21
3	2020/8/20	2020/8/22	支付	2020/8/22	9999/12/31
4	2020/8/21	2020/8/21	创建	2020/8/21	2020/8/21
4	2020/8/21	2020/8/22<