6- 数据仓库-保存历史数据方法 ——拉链表

1、拉链表定义：
  拉链表：记录一个事物从开始，一直到当前状态的所有变化的信息。拉链表中会定义数据的有效时间，有效的起始时间与有效的截止时间
  拉链表是数据仓库保留数据历史版本的一种方法

2、拉链表原理
参见网址：https://blog.csdn.net/SunWuKong_Hadoop/article/details/91810916
参见网址：https://blog.csdn.net/qq_36041534/article/details/80563364

3、拉链表使用场景
  当你需要设计数据量非常大的表，同时，表中的某些字段会被更新操作。表的数据更新变化不是很大，为了保持历史的一些状态，需要查看历史快照信息(注意参见缓慢变化维 SCD)

4、拉链表适用情况
  数据量很大，表中某些字段会被更新，但是变化的频率不是很高，业务需求又需要统计这种变化状态。每天全量一份数据，不仅浪费存储空间，有时可能业务统计也比较麻烦

5、拉链表实现步骤

6、查询性能
  拉链表当然也会遇到查询性能的问题，比如说我们存放了5年的拉链数据，那么这张表势必会比较大，当查询的时候性能就比较低了，两个思路来解决：
  1> 在一些查询引擎中，我们对start_date和end_date做索引，这样能提高不少性能
  2> 保留部分历史数据，例如一张表存放全量的拉链表数据，然后再对外暴露一张只提供近3个月数据的拉链表

流水表存放的是一个用户的变更记录，比如在一张流水表中，一天的数据中，存放一个用户的每条修改记录，
但是在拉链表中只有一条记录。这是拉链表设计时需要注意的一个粒度问题。我们当然也可以设置的粒度更小一些，一般按天就足够

注意：拉链表和流水表的区别