拉链表的实现原理与查询方式

@Author  : Spinach | GHB
@Link    : http://blog.csdn.net/bocai8058

---

定义

针对数据仓库设计中表存储数据的方式而定义的，即记录历史。

记录一个事物从开始，一直到当前状态的所有变化的信息。

相关概念

记录生命周期

• 数据记录(Record)是对应于数据源中一行信息的一组完整的相关信息；
• 每条记录对应可能有DML操作，例如：update / delete / insert
  • Update：在原有的记录上修改某些字段，意味着一条记录死亡，后一条记录新生。
  • Delete：删除原有的记录，意味着记录死亡。
  • Insert：生成一条新的记录，意味着记录的新生。

所以，任何一条记录(行数据)必定在历史上某天新生(start)，
并在其后的某一天死亡(end)，
那么这个start-end生存周期便定义为该记录的生命周期。

活跃数据

• 一条数据，在其产生之后直到当天仍然存活的数据，我们称之为活跃数据。
• 针对一条数据的有效时间，数据产生时间已确定，但结束时间并不能被确定。
• 数据标签：start_dt: ‘产生日期’ end_dt: ’_infinity’

死亡数据

• 一条数据，在当天之前某个时间被更改过，我们称之为死亡数据。
• 针对一条数据的有效时间，数据的产生时间和结束时间均已确定。
• 数据标签：start_dt:’产生日期’ end_dt:’结束日期’

实现原理

一般的数据表只会记录当前修改的时间，因此能得到某实体最新的状态快照

name	status	date
张三	1	2020-01-01
李四	5	2020-01-01
张三	3	2020-01-02
李四	6	2020-01-03

拉链表巧妙增加了产生（start_date）日期和死亡日期（start_date），用来回溯状态历史快照。

name	status	start_dt	end_dt
张三	1	2020-01-01	2020-01-01
李四	5	2020-01-01	2020-01-02
张三	3	2020-01-02	_infinity
李四	6	2020-01-03	_infinity

查询方式及总结

查询方式

Select * from table where start_dt=<‘2020-01-02’ and end_dt>’2020-01-01’

name	status	start_dt	end_dt
李四	5	2020-01-01	2020-01-02
张三	3	2020-01-02	_infinity

Select * from table where end_dt=’_infinity’

name	status	start_dt	end_dt
张三	3	2020-01-02	_infinity
李四	6	2020-01-03	_infinity

应用条件

1. 需要查看某个时间点和时间段的历史快照；
2. 有个数据量很大的表；
3. 表中的记录变化比例很小；
4. 表中的部分字段需要变化；

总结

1. 拉链表能满足查看最新快照和历史快照的需求；
2. 查询检索性能没有明显提高，但可以将start_dt和end_dt当成分区字段，已提高检索性能；

---