極限儲存之拉鍊表

獵手家園發表於2016-05-17

在資料倉儲的資料模型設計過程中,經常會遇到這樣的需求:

1. 資料量比較大;

2. 表中的部分欄位會被update,如使用者的地址,產品的描述資訊,訂單的狀態等等;

3. 需要檢視某一個時間點或者時間段的歷史快照資訊,比如,檢視某一個訂單在歷史某一個時間點的狀態,

    比如,檢視某一個使用者在過去某一段時間內,更新過幾次等等;

4. 變化的比例和頻率不是很大,比如,總共有1000萬的會員,每天新增和發生變化的有10萬左右;

5. 如果對這邊表每天都保留一份全量,那麼每次全量中會儲存很多不變的資訊,對儲存是極大的浪費;

 

拉鍊歷史表,既能滿足反應資料的歷史狀態,又可以最大程度的節省儲存;

舉個簡單例子,比如有一張訂單表,6月20號有3條記錄:

到6月21日,表中有5條記錄:

到6月22日,表中有6條記錄:

 

資料倉儲中對該表的保留方法:

1. 只保留一份全量,則資料和6月22日的記錄一樣,如果需要檢視6月21日訂單001的狀態,則無法滿足;

2. 每天都保留一份全量,則資料倉儲中的該表共有14條記錄,但好多記錄都是重複儲存,沒有任務變化,如訂單002,004,資料量大了,會造成很大的儲存浪費;

 

如果在資料倉儲中設計成歷史拉鍊表儲存該表,則會有下面這樣一張表:

說明:

1. dw_begin_date表示該條記錄的生命週期開始時間,dw_end_date表示該條記錄的生命週期結束時間;

2. dw_end_date = '9999-12-31'表示該條記錄目前處於有效狀態;

3. 如果查詢當前所有有效的記錄,則select * from order_his where dw_end_date = '9999-12-31'

4. 如果查詢2012-06-21的歷史快照,則select * from order_his where dw_begin_date <= '2012-06-21' and end_date >= '2012-06-21',這條語句會查詢到以下記錄:

和源表在6月21日的記錄完全一致:

可以看出,這樣的歷史拉鍊表,既能滿足對歷史資料的需求,又能很大程度的節省儲存資源。

 

相關文章