什么是拉链表

什么是拉链表

在数据仓库的数据模型中，经常会遇到表中的信息被更新，如用户的地址、手机号等。如果我们希望在数据仓库中保留历史数据的话，就需要将被更新掉的值进行存储。以往的解决方式大致有三种：

1 每天在固定的时间抽取全量数据，将其压缩保存。优点：操作方法简单，只需要将数据压缩保存即可；缺点：抽取数据需要时间，且查看历史数据困难，大部分数据可能不是每天都做更改。

2 将数据表按时间分区，每天将全量数据存储在对应分区中。优点：数据非常全，有最新也有历史；缺点：对内存占用很大，第一种数据可以压缩存储，而第二中方法只能存储在数据表中。

3 拉链表：

如果既要能查当前阶段的数据，又能回溯到历史某一时刻的数据，同时，要能保证查询速度快，占用存储少，此时就需要拉链表来解决此类需求。

拉链表的定义

所谓拉链表，即为记录每条数据的生命周期历史，一旦这条数据生命周期结束，会重新开始一条新记录，拉链表记录着所有数据的从开始到当前所有变化的信息。如下图所示，左侧为快照表，右侧为拉链表：

可以很容易看到，快照表（即开头提到的切片表）是一种十分浪费存储的方案。

拉链表在使用的过程中与切片表比起来也相对简单，如下是查找同一时间点数据的等价写法：

#切片表
select * from table_history where date = '20150526'

#拉链表
select * from table_history where '20150526'>=start_date and '20150526'<=end_date;
1
2
3
4
5

拉链表的使用范围

数仓通常有如下分层：

源数据层(ODS)：此层数据通常无需任何更改，直接沿用外围系统数据结构和数据，不对外开放；作为临时存储层，是接口数据的临时存储区域，为后一步的数据处理做准备，用来保管我们的原始数据的。

公共维度层(DIM)：基于维度建模理论进行构建,存放维度模型中的维度表,保存一致性维度信息。

数据明细层(DWD)：根据业务要求，将ODS数据和DIM层数据结合分析后抽取到DW层，形成一份最详细业务明细数据，同时该层也会做一部分的数据聚合，将相同主题的数据汇集到一张表中，提高数据的可用性。

数据汇总层(DWS)：DWD层的详细业务数据和DIM层的维度数据，按照数据域和数据主题，生成数据汇总表(例如:根据多张DWD层的业务数据表，生成最近1日汇总表，最近n(7/30)日汇总表，历史至今汇总表)

数据展示层(ADS层)：前端应用直接读取的数据源；根据报表、专题分析需求而计算生成的数据。数据的报表展示。

以上五层中那一层最适合使用拉链表？

答案是数据明细层(DWD)最适合

因为对于其他层而言，要么完全不需要进行数据汇总（例如ODS和DIM），要么因为更贴近业务而需要轻度汇总（DWS层）或深度汇总(ADS层)。