数据仓库数据模型之：极限存储--历史拉链表

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：

订单创建日期	订单编号	订单状态
2012-06-20	001	创建订单
2012-06-20	002	创建订单
2012-06-20	003	支付完成

 

到6月21日，表中有5条记录：

 

订单创建日期	订单编号	订单状态
2012-06-20	001	支付完成（从创建到支付）
2012-06-20	002	创建订单
2012-06-20	003	支付完成
2012-06-21	004	创建订单
2012-06-21	005	创建订单

 

到6月22日，表中有6条记录：

 

订单创建日期	订单编号	订单状态
2012-06-20	001	支付完成（从创建到支付）
2012-06-20	002	创建订单
2012-06-20	003	已发货（从支付到发货）
2012-06-21	004	创建订单
2012-06-21	005	支付完成（从创建到支付）
2012-06-22	006	创建订单

 

 

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：

 

 

订单创建日期	订单编号	订单状态	dw_begin_date	dw_end_date
2012-06-20	001	创建订单	2012-06-20	2012-06-20
2012-06-20	001	支付完成	2012-06-21	9999-12-31
2012-06-20	002	创建订单	2012-06-20	9999-12-31
2012-06-20	003	支付完成	2012-06-20	2012-06-21
2012-06-20	003	已发货	2012-06-22	9999-12-31
2012-06-21	004	创建订单	2012-06-21	9999-12-31
2012-06-21	005	创建订单	2012-06-21	2012-06-21
2012-06-21	005	支付完成	2012-06-22	9999-12-31
2012-06-22	006	创建订单	2012-06-22	9999-12-31

 

 

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：

 

订单创建日期	订单编号	订单状态	dw_begin_date	dw_end_date
2012-06-20	001	支付完成	2012-06-21	9999-12-31
2012-06-20	002	创建订单	2012-06-20	9999-12-31
2012-06-20	003	支付完成	2012-06-20	2012-06-21
2012-06-21	004	创建订单	2012-06-21	9999-12-31
2012-06-21	005	创建订单	2012-06-21	2012-06-21

 

 

和源表在6月21日的记录完全一致：

 

订单创建日期	订单编号	订单状态
2012-06-20	001	支付完成（从创建到支付）
2012-06-20	002	创建订单
2012-06-20	003	支付完成
2012-06-21	004	创建订单
2012-06-21	005	创建订单

 

 

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。。。

 

 

评论

5 楼 lookqlp 2015-11-02  

请问，001订单，在3号又出现新的状态，同一个订单dw_end_date岂不是有多个9999-12-31

4 楼 huigou 2014-03-01  

历史拉链表的etl刷新策略和方法，这个很关键啊，如果一个订单状态变化级别是分，或者是秒，你们是怎么做的？

3 楼 tobyqiu 2013-05-16  

随着数据的增多. 每天这么几千万条做对比.消耗也吃不消. 还不如 全量递增.

2 楼 liuxuan251314 2013-04-26  

楼主 我还期待着你的下篇“历史拉链表的etl刷新策略和方法”呢 。。。。

1 楼 xrzs1986 2012-12-11  

期待楼主继续介绍“历史拉链表的etl刷新策略和方法”~