数新网络官网已全新上线，欢送点击拜访
www.datacyber.com 数新网络_让每个人享受数据的价值
1 什么是拉链表
拉链表是针对数据仓库设计中表存储数据的形式而定义的，顾名思义，所谓拉链，就是记录历史。记录一个事物从开始，始终到以后状态的所有变动的信息。
比方上面的表：
编辑
下面就是一个简略的拉链表，记录了每个用户随着工夫的变动其等级的变动状况。
2 拉链表的应用场景
在数据仓库的数据模型设计过程中，常常会遇到上面这种表的设计：
有一些表的数据量很大，比方一张用户表，大概10亿条记录，50个字段，这种表，即便应用ORC压缩，单张表的存储也会超过100G，在HDFS应用双备份或者三备份的话就更大一些。表中的局部字段会被update更新操作，如用户联系方式，产品的形容信息，订单的状态等等。须要查看某一个工夫点或者时间段的历史快照信息，比方，查看某一个订单在历史某一个工夫点的状态。表中的记录变动的比例和频率不是很大，比方，总共有10亿的用户，每天新增和发生变化的有200万左右，变动的比例占的很小。3 拉链表的实现
创立2020-5-1的数据
CREATE TABLE IF NOT EXISTS link_first( user_id BIGINT ,name STRING ,level STRING ,time STRING )COMMENT "link_first";
insert into link_first values (1,'甲','A','2020-05-01'),(2,'乙','B','2020-05-01');
SELECT * from link_first
数据如下：
编辑
创立2020-5-2的数据
CREATE TABLE IF NOT EXISTS link_second( user_id BIGINT ,name STRING ,level STRING ,time STRING )COMMENT "link_second";
insert into link_second values (1,'甲','A','2020-05-02'),(2,'乙','A','2020-05-02'),(3,'丙','B','2020-05-02');
SELECT * from link_second
数据如下：
编辑
创立历史表存储5月1日数据，并对格局进行整顿
CREATE TABLE IF NOT EXISTS level_his( user_id BIGINT ,name STRING ,level STRING ,start_time STRING ,end_time STRING )COMMENT "level_his";
INSERT OVERWRITE TABLE level_his
SELECT FROM ( SELECT DISTINCT(user_id),name,level,'2020-05-01' as start_time,'9999-12-31' as end_time FROM link_first --WHERE id !='')t SELECT from level_his;
数据如下：
编辑
创立变动表，找到5月2日表外面变动和新增的
CREATE TABLE IF NOT EXISTS level_update( user_id BIGINT ,name STRING ,level STRING ,time STRING )COMMENT 'level_update';
INSERT OVERWRITE TABLE level_updateSELECT FROM (SELECT a.FROM (SELECT DISTINCT(user_id),name,level,time FROM link_second )a LEFT OUTER JOIN (SELECT DISTINCT(user_id),name,level,time FROM link_first )b ON a.user_id = b.user_idWHERE a.level!=b.levelOR b.level IS NULL
)t;SELECT * from level_update;
数据如下：
编辑
最终后果
level_his为根底表把变动表的数据插入到level_his外面，并批改工夫INSERT OVERWRITE TABLE level_hisSELECT *FROM( SELECT a.user_id , a.name , a.level , a.start_time ,(CASE WHEN a.end_time='9999-12-31' AND b.user_id IS NOT NULL THEN '2020-05-02' --在变动表中呈现的，须要把工夫改为5月2日(如果是实时表，就是最新工夫) ELSE a.end_time END) AS end_time FROM level_his a LEFT JOIN level_update b ON a.user_id = b.user_id
UNION SELECT c.user_id ,c.name ,c.level ,'2020-05-02' as start_time ,'9999-12-31' as end_time --变动表外面的数据须要把start_time改成5月2日(如果是实时表，就是最新工夫)；end_time改成'9999-12-31'FROM level_update c )t;
SELECT * from level_his ORDER BY user_id;
而后就能够失去最终的后果了
数据如下：
编辑
最初就能够失去咱们文章结尾提到的表格了。