系列 | 数仓实践第三篇NO.3『拉链表』

点击上方 蓝色 字体， 置顶/星标 哦

目前10000+人已关注加入我们

拉链表是一种数据模型，主要是针对数据仓库设计中表存储数据的方式而定义的； 顾名思义，所谓拉链表，就是记录历史，记录一个事务从开始一直到当前状态的所有变化的信息。

拉链表可以避免按每一天存储所有记录造成的海量存储问题，同时也是处理缓慢变化数据（SCD2）的一种常见方式。

一、概念原理

在拉链表中，每一条数据都有一个生效日期(sdate) 和 失效日期(edate) 。假设在一个用户表中，在 2019年10月8日 新增了两个用户，则这两条记录的生效时间为当天，由于到 2019年10月8日 为止，这两条记录还没有被修改过，所以失效时间为无穷大，这里设置为数据库中的最大值(2999-12-31)，如图所示：

第二天(2019-10-09)，用户 1001 被删除 ，用户 1002 的电话号码被修改成 16500000006。为了保留历史状态，用户 1001 的失效时间被修改成 2019-10-09，用户 1002 则变成两条记录，如图所示：

第三天(2019-10-10)，又新增了用户 1003，则用户表数据如图：

如果要查询最新的数据，那么只要查询失效时间为 2999-12-31 的数据即可，如果要查询 10月8号 的历史数据，则筛选生效时间 2019-10-08 的数据即可；如果查询的是 10月9日的数据，那么筛选条件则是生效时间 2019-10-09； 以此类推。

二、准备

2.1 创建表 

临时源表 T_FIN_ACCTION_SRC，接收其它数据库(如 oracle)表推送过来的数据 ，表结构和源数据库的表结构一致

目标表 ( 即拉链表 ) T_FIN_ACCTION_TAR，这里注意的是：拉链表把源表的时间字段改成了 生效时间 和 失效时间 哦

2.2 创建存储过程 

在这里为了方便阅读以及代码的编写，先写出整体的存储过程架构，然后我们在一步一步添加代码：

-- 将当前时间传入 (也可以传入昨天的时间哦，随机应变，
-- 如果传入的时间是今天则使用中要将时间减1，因为我们要处理的是昨天的数据)

create or replace function My_FIN_GL_SUBJECT_PRO(IN P_TODAY VARCHAR)
returns void
as $$
declare

end;
$$


language plpgsql;

三、拉链实现过程

3.1 新增 

目标表中没有此主键的则确定为新增 – 新增

insert into gplcydb.public.T_FIN_ACCTION_TAR(eNo,eName,ePhone,sdate,edate)
select s.eNo,s.eName,s.ePhone,s.eData_date,to_date('2999-12-31','yyyy-mm-dd')

from gplcydb.public.T_FIN_ACCTION_SRC s
where s.eData_date=(to_date(P_TODAY,'yyyy-mm-dd') - 1)
and not exists(


select 1

from gplcydb.public.T_FIN_ACCTION_TAR t

where s.eNo=t.eNo
and s.eName=t.eName
and s.ePhone=t.ePhone
);

源表中没有该ID则进行关链 – 删除

update gplcydb.public.T_FIN_ACCTION_TAR a
  set edate=(to_date(P_TODAY,'yyyy-mm-dd')-1)

where not exists(


select 1

from gplcydb.public.T_FIN_ACCTION_SRC s

where s.eNo=a.eNo
and a.edate=to_date('2999-12-31', 'yyyy-mm-dd')
);

1） 闭链 ：目标表中有此主键的记录,状态值不同，更新结束日期为当天

update gplcydb.public.T_FIN_ACCTION_TAR b
   set edate=(to_date(P_TODAY,'yyyy-mm-dd')-1)

where b.edate=to_date('2999-12-31','yyyy-mm-dd')
and exists(


select 1

from gplcydb.public.T_FIN_ACCTION_SRC s

where s.eNo = b.eNo

and b.sdate < (to_date(P_TODAY,'yyyy-mm-dd')-1)

and ( s.eName b.eName or s.ePhone b.ePhone )


)

;

2） 开链 ：目标表中新增一条修改的数据，更新结束日期为无穷大

insert into gplcydb.public.T_FIN_ACCTION_TAR(eNo,eName,ePhone,sdate,edate)
select s.eNo,s.eName,s.ePhone,(to_date(P_TODAY,'yyyy-mm-dd') - 1),to_date('2999-12-31','yyyy-mm-dd')
  from gplcydb.public.T_FIN_ACCTION_SRC s
 where s.eData_date=(to_date(P_TODAY,'yyyy-mm-dd') - 1)
  and exists( -- 处理数据断链新增的情况

select 1

from (

select eNo,sdate,max(edate) end_date


from gplcydb.public.T_FIN_ACCTION_TAR

group by eNo,sdate

) t

where t.eNo=s.eNo
and s.eData_date = t.sdate
and t.end_date <= to_date(P_TODAY,'yyyy-mm-dd')


)

;

四、测试

要测试拉链函数，首先我们必须要在原表中插入数据（模拟一天全量的数据）：

insert into T_FIN_ACCTION_SRC values('1001','feiniu','18500000001','2019-10-10');
insert into T_FIN_ACCTION_SRC values('1002','beibei','18400000005','2019-10-10');
insert into T_FIN_ACCTION_SRC values('1003','yuyu','13800000005','2019-10-10');

调用函数进行拉链测试：

select My_FIN_GL_SUBJECT_PRO('2019-10-11');  -- 调用函数

select * from T_FIN_ACCTION_TAR;             -- 查询拉链表

测试结果如下图：

插入第二天全量数据，这些数据中有新增的数据，有源数据被删除，还有源数据被修改，完整的模拟sql语句如下：

delete from T_FIN_ACCTION_SRC where eno='1003';
insert into T_FIN_ACCTION_SRC values('1004','kongkong','13800000666','2019-10-11');
update T_FIN_ACCTION_SRC set ename='xiaofeifei' where eno='1001';

select * from T_FIN_ACCTION_SRC;

原表的效果图如下：

接下来执行拉链函数：

-- 执行拉链函数
select My_FIN_GL_SUBJECT_PRO('2019-10-12');

select * from T_FIN_ACCTION_TAR;  --查询目标表

效果图如下：

作者：小飞牛_666

来源：https://www.jianshu.com/p/aca4983e9bde

著作权归作者所有，转载请联系作者获得授权。

番外语

觉得内容还不错的话，请分享给更多的朋友哦

对文章感兴趣的小伙伴，欢迎加入技术群与作者交流（公众号后台回复：加群）。

近6篇精彩文章回顾

1. 用户画像

2.未来最有前景的五大编程语言

3. 双剑合璧：Apache Kylin 和 Superset

4. Kylin 在腾讯的平台化及 Flink 引擎实践

5. 有赞埋点实践（建议收藏）

6. 美团点评基于 Flink 的实时数仓建设实践

觉得内容不错的话 请分享到朋友圈哦~