关于拉链表

(一)概念
拉链表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，就是记录历史。记录一个事物从开始，一直到当前状态的所有变化的信息。

 

在历史表中对客户的一生的记录可能就这样几条记录，避免了按每一天记录客户状态造成的海量存储的问题：
（NAME）人名  （START-DATE）开始日期  （END-DT）结束日期  （STAT）状态
client            19000101                  19070901             H在家
client            19070901                  19130901             A小学
client            19130901                  19160901             B初中
client            19160901                  19190901             C高中
client            19190901                  19230901             D大学
client            19230901                  19601231             E公司
client            19601231                  29991231             H退休在家

 

上面的每一条记录都是不算末尾的，比如到19070901，client已经在A，而不是H了。所以除最后一条记录因为状态到目前都未改变的，其余的记录实际上在END-DT那天，都不在是该条记录END-DT那天的状态。这种现象可以理解为算头不算尾。

(二)算法
1采集当日全量数据到ND(NewDay)表；
2可从历史表中取出昨日全量数据存储到OD(OldDay)表;
3(ND-OD)就是当日新增和变化的数据，也就是当天的增量，用W_I表示；
4(OD-ND)为状态到此结束需要封链的数据，用W_U表示；

5将W_I表的内容全部插入到历史表中，这些是新增记录，start_date为当天，而end_date为max值；
6对历史表进行W_U部份的更新操作，start_date保持不变，而end_date改为当天，也就是关链操作；

(三)一个实际例子(teradata)
1定义两个临时表，一个为当日全量数据，另一个为需要新增或更新的数据；
CREATE VOLATILE TABLE VT_xxxx_NEW AS xxxx WITH NO DATA ON COMMIT PRESERVE ROWS;
CREATE VOLATILE SET TABLE VT_xxxx_CHG,NO LOG AS xxxx WITH NO DATA ON COMMIT PRESERVE ROWS;

 

2获取当日全量数据
INSERT INTO  VT_xxxx_NEW(xx) SELECT (xx,cur_date, max_date) FROM xxxx_sorce;   ND

 

3抽取新增或有变化的数据，从xxxx_NEW临时表到xxxx_CHG临时表；
INSERT INTO  VT_xxxx_CHG(xx)
SELECT xx FROM VT_xxxx_NEW
WHERE (xx) NOT IN (select xx from xxxx_HIS where end_date='max_date'); 

 

4更新历史表的失效记录的end_date为max值
UPDATE A1  FROM xxxx_HIS A1, VT_xxxx_CHG A2
SET    End_Date='current_date'
WHERE A1.xx=A2.xx  AND A1.End_Date='max_date';
 
5将新增或者有变化的数据插入目标表*/
INSERT INTO xxxx_HIS SELECT  * FROM VT_xxxx_CHG;