前言
今天給你們分享一個面試中常常會被問到的拉鍊表，我在上篇文章中提出來一個需求若是不知道的請去→數倉緩慢變化維深層講解查看，好，廢話很少說咱們直接開始。提出的問題會在末尾講解。git
1、拉鍊表介紹（百度百科）
拉鍊表：維護歷史狀態，以及最新狀態數據的一種表，拉鍊表根據拉鍊粒度的不一樣，實際上至關於快照，只不過作了優化，去除了一部分不變的記錄，經過拉鍊表能夠很方便的還原出拉鍊時點的客戶記錄程序員
2、拉鍊表場景
數據倉庫的數據模型設計過程當中，常常會遇到這樣的需求：github
- 表中的部分字段會被update，例如：
用戶的地址，產品的描述信息，品牌信息等等; 須要查看某一個時間點或者時間段的歷史快照信息，例如：
查看某一個產品在歷史某一時間點的狀態
查看某一個用戶在過去某一段時間內，更新過幾回等等變化的比例和頻率不是很大，例如：
總共有1000萬的會員，天天新增和發生變化的有10萬左右
3、商品數據案例
需求：
商品表：面試
| 列名 | 類型 | 說明 |
|---|---|---|
| goods_id | varchar(50) | 商品編號 |
| goods_status | varchar(50) | 商品狀態（待審覈、待售、在售、已刪除） |
| createtime | varchar(50) | 商品建立日期 |
| modifytime | varchar(50) | 商品修改日期 |
2019年12月20日的數據以下所示：算法
| goods_id | goods_status | createtime | modifytime |
|---|---|---|---|
| 001 | 待審覈 | 2019-12-20 | 2019-12-20 |
| 002 | 待售 | 2019-12-20 | 2019-12-20 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 |
| 004 | 已刪除 | 2019-12-20 | 2019-12-20 |
商品的狀態，會隨着時間推移而變化，咱們須要將商品的全部變化的歷史信息都保存下來。如何實現呢？數據庫
方案一: 快照每一天的數據到數倉（圖解）
該方案爲：oop
- 每一天都保存一份全量，將全部數據同步到數倉中（
我這裏就使用MySQL操做的） - 不少記錄都是重複保存，沒有任何變化
12月20日（4條數據）大數據
| goods_id | goods_status | createtime | modifytime |
|---|---|---|---|
| 001 | 待審覈 | 2019-12-18 | 2019-12-20 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 |
12月21日（10條數據）優化
| goods_id | goods_status | createtime | modifytime |
|---|---|---|---|
| 如下爲12月20日快照數據 | |||
| 001 | 待審覈 | 2019-12-18 | 2019-12-20 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 |
| 如下爲12月21日快照數據 | |||
| 001 | 待售（從待審覈到待售） | 2019-12-18 | 2019-12-21 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 |
| 005（新商品） | 待審覈 | 2019-12-21 | 2019-12-21 |
| 006（新商品） | 待審覈 | 2019-12-21 | 2019-12-21 |
12月22日（18條數據）spa
| goods_id | goods_status | createtime | modifytime |
|---|---|---|---|
| 如下爲12月20日快照數據 | |||
| 001 | 待審覈 | 2019-12-18 | 2019-12-20 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 |
| 如下爲12月21日快照數據 | |||
| 001 | 待售（從待審覈到待售） | 2019-12-18 | 2019-12-21 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 |
| 005 | 待審覈 | 2019-12-21 | 2019-12-21 |
| 006 | 待審覈 | 2019-12-21 | 2019-12-21 |
| 如下爲12月22日快照數據 | |||
| 001 | 待售 | 2019-12-18 | 2019-12-21 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 |
| 003 | 已刪除（從在售到已刪除） | 2019-12-20 | 2019-12-22 |
| 004 | 待審覈 | 2019-12-21 | 2019-12-21 |
| 005 | 待審覈 | 2019-12-21 | 2019-12-21 |
| 006 | 已刪除（從待審覈到已刪除） | 2019-12-21 | 2019-12-22 |
| 007 | 待審覈 | 2019-12-22 | 2019-12-22 |
| 008 | 待審覈 | 2019-12-22 | 2019-12-22 |
方案一: MySQL到，MySQL數倉代碼實現
MySQL初始化
- 在MySQL中
zw庫和商品表用於到原始數據層
-- 建立數據庫 create database if not exists zw; -- 建立商品表 create table if not exists `zw`.`t_product`( goods_id varchar(50), -- 商品編號 goods_status varchar(50), -- 商品狀態 createtime varchar(50), -- 商品建立時間 modifytime varchar(50) -- 商品修改時間 );
- 在MySQL中建立ods和dw層
模擬數倉
-- ods建立商品表 create table if not exists `zw`.`ods_t_product`( goods_id varchar(50), -- 商品編號 goods_status varchar(50), -- 商品狀態 createtime varchar(50), -- 商品建立時間 modifytime varchar(50), -- 商品修改時間 cdat varchar(10) --模擬hive分區 )default character set = 'utf8'; ; -- dw建立商品表 create table if not exists `zw`.`dw_t_product`( goods_id varchar(50), -- 商品編號 goods_status varchar(50), -- 商品狀態 createtime varchar(50), -- 商品建立時間 modifytime varchar(50), -- 商品修改時間 cdat varchar(10) -- 模擬hive分區 )default character set = 'utf8'; ;
增量導入12月20號數據
- 原始數據導入12月20號數據（4條）
insert into `zw`.`t_product`(goods_id, goods_status, createtime, modifytime) values ('001', '待審覈', '2019-12-18', '2019-12-20'), ('002', '待售', '2019-12-19', '2019-12-20'), ('003', '在售', '2019-12-20', '2019-12-20'), ('004', '已刪除', '2019-12-15', '2019-12-20');
注意： 因爲我這裏使用的MySQL來模擬的數倉在這裏偷個懶直接使用insert into的方式導入數據，在企業中可能會使用hive來作數倉使用kettle 或者sqoop或datax等來同步數據
# 從原始數據層導入到ods 層 insert into zw.ods_t_product select *,'20191220' from zw.t_product ; # 從ods同步到dw層 insert into zw.dw_t_product select * from zw.ods_t_product where cdat='20191220';
增量導入12月21數據
- 原始數據層導入12月21日數據（6條數據）
UPDATE `zw`.`t_product` SET goods_status = '待售', modifytime = '2019-12-21' WHERE goods_id = '001'; INSERT INTO `zw`.`t_product`(goods_id, goods_status, createtime, modifytime) VALUES ('005', '待審覈', '2019-12-21', '2019-12-21'), ('006', '待審覈', '2019-12-21', '2019-12-21');
- 將數據導入到ods層與dw層
# 從原始數據層導入到ods 層 insert into zw.ods_t_product select *,'20191221' from zw.t_product ; # 從ods同步到dw層 insert into zw.dw_t_product select * from zw.ods_t_product where cdat='20191221';
- 查看dw層的運行結果
select * from zw.dw_t_product where cdat='20191221';
增量導入12月22日數據
- 原始數據層導入12月22日數據（6條數據）
UPDATE `zw`.`t_product` SET goods_status = '已刪除', modifytime = '2019-12-22' WHERE goods_id = '003'; UPDATE `zw`.`t_product` SET goods_status = '已刪除', modifytime = '2019-12-22' WHERE goods_id = '006'; INSERT INTO `zw`.`t_product`(goods_id, goods_status, createtime, modifytime) VALUES ('007', '待審覈', '2019-12-22', '2019-12-22'), ('008', '待審覈', '2019-12-22', '2019-12-22');
- 將數據導入到ods層與dw層
# 從原始數據層導入到ods 層 insert into zw.ods_t_product select *,'20191222' from zw.t_product ; # 從ods同步到dw層 insert into zw.dw_t_productpeizhiwenjian select * from zw.ods_t_product where cdat='20191222';
- 查看dw層的運行結果
select * from zw.dw_t_product where cdat='20191222';
從上述案例，能夠看到：
表天天保留一份全量，每次全量中會保存不少不變的信息，若是數據量很大的話，對存儲是極大的浪費
能夠講表設計爲拉鍊表，既能知足反應數據的歷史狀態，又能夠最大限度地節省存儲空間。
方案二: 使用拉鍊表保存歷史快照(思路/圖解)
- 拉鍊表不存儲冗餘的數據，只有某
行的數據發生變化，才須要保存下來，相比每次全量同步會節省存儲空間 - 可以查詢到歷史快照
- 額外的增長了兩列（
dw_start_date、dw_end_date），爲數據行的生命週期
12月20日商品拉鍊表的數據：
| goods_id | goods_status | createtime | modifytime | dw_start_date | dw_end_date |
|---|---|---|---|---|---|
| 001 | 待審覈 | 2019-12-18 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
12月20日的數據是全新的數據導入到dw表
- dw_start_date表示某一條數據的生命週期起始時間，即數據從該時間開始有效（即
生效日期） - dw_end_date表示某一條數據的生命週期結束時間，即數據到這一天（不包含）（即
失效日期） - dw_end_date爲
9999-12-31，表示當前這條數據是最新的數據，數據到9999-12-31才過時
12月21日商品拉鍊表的數據
| goods_id | goods_status | createtime | modifytime | dw_start_date | dw_end_date |
|---|---|---|---|---|---|
| 001 | 待審覈 | 2019-12-18 | 2019-12-20 | 2019-12-20 | 2019-12-21 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 001（變） | 待售 | 2019-12-18 | 2019-12-21 | 2019-12-21 | 9999-12-31 |
| 005（新） | 待審覈 | 2019-12-21 | 2019-12-21 | 2019-12-21 | 9999-12-31 |
12月21日商品拉鍊表的數據
- 拉鍊表中沒有存儲冗餘的數據，（
只要數據沒有變化，無需同步） - 001編號的商品數據的狀態發生了變化（
從待審覈→待售），須要將原有的dw_end_date從9999-12-31變爲2019-12-21，表示待審覈狀態，在2019/12/20（包含） - 2019/12/21（不包含）有效 - 001編號新的狀態從新保存了一條記錄，dw_start_date爲2019/12/21，dw_end_date爲9999/12/31
- 新數據00五、00六、dw_start_date爲2019/12/21，dw_end_date爲9999/12/31
12月22日商品拉鍊表的數據
| goods_id | goods_status | createtime | modifytime | dw_start_date | dw_end_date |
|---|---|---|---|---|---|
| 001 | 待審覈 | 2019-12-18 | 2019-12-20 | 2019-12-20 | 2019-12-21 |
| 002 | 待售 | 2019-12-19 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 003 | 在售 | 2019-12-20 | 2019-12-20 | 2019-12-20 | 2019-12-22 |
| 004 | 已刪除 | 2019-12-15 | 2019-12-20 | 2019-12-20 | 9999-12-31 |
| 001 | 待售 | 2019-12-18 | 2019-12-21 | 2019-12-21 | 9999-12-31 |
| 005 | 待審覈 | 2019-12-21 | 2019-12-21 | 2019-12-21 | 9999-12-31 |
| 006 | 待審覈 | 2019-12-21 | 2019-12-21 | 2019-12-21 | 9999-12-31 |
| 003（變） | 已刪除 | 2019-12-20 | 2019-12-22 | 2019-12-22 | 9999-12-31 |
| 007（新） | 待審覈 | 2019-12-22 | 2019-12-22 | 2019-12-22 | 9999-12-31 |
| 008（新） | 待審覈 | 2019-12-22 | 2019-12-22 | 2019-12-22 | 9999-12-31 |
12月22日商品拉鍊表的數據
- 003編號的商品數據的狀態發生了變化（
從在售→已刪除），須要將原有的 dw_end_date從9999-12-31變爲2019-12-22，表示在售狀態，在2019/12/20（包含） - 2019/12/22（不包含） 有效 - 003編號新的狀態從新保存了一條記錄，dw_start_date爲2019/12/22，dw_end_date爲9999/12/31
- 新數據00七、00八、dw_start_date爲2019/12/22，dw_end_date爲9999/12/31
方案二: 拉鍊錶快照代碼實現
操做流程：
- 在原有dw層表上，添加額外的兩列
- 只同步當天修改的數據到ods層
- 拉鍊表算法實現
- 拉鍊表的數據爲：當天最新的數據 UNION ALL 歷史數據
代碼實現：
- 在MySQL中
zw庫和商品表用於到原始數據層
-- 建立數據庫 create database if not exists zw; -- 建立商品表 create table if not exists `zw`.`t_product_2`( goods_id varchar(50), -- 商品編號 goods_status varchar(50), -- 商品狀態 createtime varchar(50), -- 商品建立時間 modifytime varchar(50) -- 商品修改時間 )default character set = 'utf8';
- 在MySQL中建立ods和dw層
模擬數倉
-- ods建立商品表 create table if not exists `zw`.`ods_t_product2`( goods_id varchar(50), -- 商品編號 goods_status varchar(50), -- 商品狀態 createtime varchar(50), -- 商品建立時間 modifytime varchar(50), -- 商品修改時間 cdat varchar(10) -- 模擬hive分區 )default character set = 'utf8'; -- dw建立商品表 create table if not exists `zw`.`dw_t_product2`( goods_id varchar(50), -- 商品編號 goods_status varchar(50), -- 商品狀態 createtime varchar(50), -- 商品建立時間 modifytime varchar(50), -- 商品修改時間 dw_start_date varchar(12), -- 生效日期 dw_end_date varchar(12), -- 失效時間 cdat varchar(10) -- 模擬hive分區 )default character set = 'utf8';
全量導入2019年12月20日數據
- 原始數據層導入12月20日數據（4條數據）
insert into `zw`.`t_product_2`(goods_id, goods_status, createtime, modifytime) values ('001', '待審覈', '2019-12-18', '2019-12-20'), ('002', '待售', '2019-12-19', '2019-12-20'), ('003', '在售', '2019-12-20', '2019-12-20'), ('004', '已刪除', '2019-12-15', '2019-12-20');
- 將數據導入到數倉中的ods層
insert into zw.ods_t_product2 select *,'20191220' from zw.t_product_2 where modifytime >='2019-12-20'
- 將數據從ods層導入到dw層
insert into zw.dw_t_product2 select goods_id, goods_status, createtime, modifytime, modifytime,'9999-12-31', cdat from zw.ods_t_product2 where cdat='20191220'
增量導入2019年12月21日數據
- 原始數據層導入12月21日數據（6條數據）
UPDATE `zw`.`t_product_2` SET goods_status = '待售', modifytime = '2019-12-21' WHERE goods_id = '001'; INSERT INTO `zw`.`t_product_2`(goods_id, goods_status, createtime, modifytime) VALUES ('005', '待審覈', '2019-12-21', '2019-12-21'), ('006', '待審覈', '2019-12-21', '2019-12-21');
- 原始數據層同步到ods層
insert into zw.ods_t_product2 select *,'20191221' from zw.t_product_2 where modifytime >='2019-12-21';
- 編寫ods層到dw層從新計算 dw_end_date
注意： 我這裏直接將結果的SQL語句放在這裏語句 由於須要將覆蓋寫入到數據庫中我這裏就沒有寫了，可是不影響咱們結果。12月22 號的操做流程跟21 同樣我就裏就不寫了
select t1.goods_id, t1.goods_status, t1.createtime, t1.modifytime, t1.dw_start_date, case when (t2.goods_id is not null and t1.dw_end_date>'2019-12-21') then '2019-12-21'else t1.dw__date end as end , t1.cdat from zw.dw_t_product2 t1 left join (select * from zw.ods_t_product2 where cdat='20191221')t2 on t1.goods_id=t2.goods_id union select goods_id, goods_status, createtime, modifytime, modifytime,'9999-12-31', cdat from zw.ods_t_product2 where cdat='20191221'
- 查詢結果
總結
到這裏咱們終於將拉鍊表實現完了，雖然實現拉鍊表這個功能有點複雜有點繞，可是它真的幫助咱們節省不少的資源，以公司層面難道不選它嗎，也就爲何面試數倉的時候基本上都會問拉鍊表的緣由。不少小夥伴對dw_start_date與ds_end_date有疑惑咱們能夠在評論區一塊兒討論。信本身，努力和汗水總會能獲得回報的。我是大數據老哥，咱們下期見~~~
獲取Flink面試題，Spark面試題，程序員必備軟件，hive面試題，Hadoop面試題，Docker面試題，簡歷模板等資源請去GitHub自行下載 https://github.com/lhh2002/Framework-Of-BigData