深渊之刃-Greenplum数据库之拉链表的实现

历史拉链表是一种数据模型，主要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，所谓历史拉链表，就是记录一个事务从开始一直到当前状态的所有变化的信息，拉链表可以避免按每一天存储所有记录造成的海量存储问题，同事也是处理缓慢变化数据的一种常见方式。

一、概念

在拉链表中，每一条数据都有一个生效日期(sdate) 和 失效日期(edate)。假设在一个用户表中，在 2019年10月8日 新增了两个用户，则这两条记录的生效时间为当天，由于到 2019年10月8日 为止，这两条记录还没有被修改过，所以失效时间为无穷大，这里设置为数据库中的最大值(2999-12-31)，如图所示：

第二天(2019-10-09)，用户 1001 被删除，用户 1002 的电话号码被修改成 16500000006。为了保留历史状态，用户 1001 的失效时间被修改成 2019-10-09，用户 1002 则变成两条记录，如图所示：

第三天(2019-10-10)，又新增了用户 1003，则用户表数据如图：

如果要查询最新的数据，那么只要查询失效时间为 2999-12-31 的数据即可，如果要查询 10月8号 的历史数据，则筛选生效时间 <= 2019-10-08 并且失效时间 > 2019-10-08 的数据即可;如果查询的是 10月9日的数据，那么筛选条件则是生效时间 <= 2019-10-09 并且失效时间 > 2019-10-09;以此类推。

二、表的创建

临时源表 T_FIN_ACCTION_SRC，接收其它数据库(如 oracle)表推送过来的数据 ，表结构和源数据库的表结构一致。

--源表 
create table T_FIN_ACCTION_SRC( 
    eNo varchar(6), 
    eName varchar(10), 
    ePhone varchar(11), 
    eData_date date 
); 

目标表 ( 即拉链表 ) T_FIN_ACCTION_TAR，这里注意的是：拉链表把源表的时间字段改成了生效时间和失效时间。

--拉链表 
create table T_FIN_ACCTION_TAR( 
    eNo varchar(6), 
    eName varchar(10), 
    ePhone varchar(11), 
    sdate date, 
    edate date 
); 

三、存储过程的创建

在这里为了方便阅读以及代码的编写，先写出整体的存储过程架构，然后我们在一步一步添加代码：

-- 将当前时间传入 (也可以传入昨天的时间哦，随机应变，如果传入的时间是今天则使用中要将时间减一，因为我们要处理的是昨天的数据)

-- 将当前时间传入 (也可以传入昨天的时间哦，随机应变，如果传入的时间是今天则使用中要将时间减一，因为我们要处理的是昨天的数据) 
create or replace function My_FIN_GL_SUBJECT_PRO(IN P_TODAY VARCHAR) 
    returns void  
as $$  
declare 
 
begin    
            --1.目标表中没有此主键的则确定为新增  -  新增 
 
            --2.源表中没有该ID则进行关链  -  删除 
 
            --3.修改 
            --3.1 闭链：目标表中有此主键的记录,状态值不同，更新结束日期为当天 
 
            --3.2 开链：目标表中新增一条修改的数据，更新结束日期为无穷大 
 
end; 
$$  
language plpgsql; 

四、拉链的过程实现

目标表中没有此主键的则确定为新增 - 新增

insert into gplcydb.public.T_FIN_ACCTION_TAR(eNo,eName,ePhone,sdate,edate)   
                     select s.eNo,s.eName,s.ePhone,s.eData_date,to_date('2999-12-31','yyyy-mm-dd')    
                                    from gplcydb.public.T_FIN_ACCTION_SRC s  
                                         where s.eData_date=(to_date(P_TODAY,'yyyy-mm-dd') - 1)  
                                         and not exists( 
                                                select 1 from gplcydb.public.T_FIN_ACCTION_TAR t  
                                                        where  
                                                            s.eNo=t.eNo  
                                                        and s.eName=t.eName 
                                                        and s.ePhone=t.ePhone 
                                        ); 

源表中没有该ID则进行关链 - 删除

update gplcydb.public.T_FIN_ACCTION_TAR a set edate=(to_date(P_TODAY,'yyyy-mm-dd')-1)  
                     where not exists( 
                         select 1 from gplcydb.public.T_FIN_ACCTION_SRC s  
                                        where  
                                            s.eNo=a.eNo  
                                        and a.edate=to_date('2999-12-31', 'yyyy-mm-dd')  
                                    ); 

修改

1 闭链：目标表中有此主键的记录,状态值不同，更新结束日期为当天

update gplcydb.public.T_FIN_ACCTION_TAR b set edate=(to_date(P_TODAY,'yyyy-mm-dd')-1)     
                     where b.edate=to_date('2999-12-31','yyyy-mm-dd')    
                           and exists( 
                               select 1 from gplcydb.public.T_FIN_ACCTION_SRC s  
                                      where  
                                            s.eNo = b.eNo and b.sdate < (to_date(P_TODAY,'yyyy-mm-dd')-1)  
                                      and ( 
                                            s.eName <> b.eName or s.ePhone <> b.ePhone  
                                          )  
                            ); 

2 开链：目标表中新增一条修改的数据，更新结束日期为无穷大

insert into gplcydb.public.T_FIN_ACCTION_TAR(eNo,eName,ePhone,sdate,edate)   
                     select s.eNo,s.eName,s.ePhone,(to_date(P_TODAY,'yyyy-mm-dd') - 1),to_date('2999-12-31','yyyy-mm-dd')    
                            from gplcydb.public.T_FIN_ACCTION_SRC s  
                                 where  
                                     s.eData_date=(to_date(P_TODAY,'yyyy-mm-dd') - 1)  
                                 and exists( --处理数据断链新增的情况 
                                        select 1 from ( 
                                                        select eNo,sdate,max(edate) end_date  
                                                                from gplcydb.public.T_FIN_ACCTION_TAR group by eNo,sdate) t  
                                                                        where  
                                                                            t.eNo=s.eNo  
                                                                        and s.eData_date = t.sdate  
                                                                        and t.end_date <= to_date(P_TODAY,'yyyy-mm-dd')  
                                ); 

五、测试

要测试拉链函数，首先我们必须要在原表中插入数据(模拟一天全量的数据)：

insert into T_FIN_ACCTION_SRC values('1001','feiniu','18500000001','2019-10-10'); 
insert into T_FIN_ACCTION_SRC values('1002','beibei','18400000005','2019-10-10'); 
insert into T_FIN_ACCTION_SRC values('1003','yuyu','13800000005','2019-10-10'); 

调用函数进行拉链测试：

select My_FIN_GL_SUBJECT_PRO('2019-10-11');  --调用函数 
select * from T_FIN_ACCTION_TAR;   --查询拉链表 

测试结果如下图：

插入第二天全量数据，这些数据中有新增的数据，有源数据被删除，还有源数据被修改，完整的模拟sql语句如下：

delete from T_FIN_ACCTION_SRC where eno='1003'; 
insert into T_FIN_ACCTION_SRC values('1004','kongkong','13800000666','2019-10-11'); 
update T_FIN_ACCTION_SRC set ename='xiaofeifei' where eno='1001'; 
select * from T_FIN_ACCTION_SRC; 

原表的效果图如下：

接下来执行拉链函数：

--执行拉链函数 
select My_FIN_GL_SUBJECT_PRO('2019-10-12'); 
select * from T_FIN_ACCTION_TAR;  --查询目标表 

效果图如下：

本文转载自微信公众号「浪尖聊大数据」，可以通过以下二维码关注。转载本文请联系浪尖聊大数据公众号。