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)
create or replace function My_FIN_GL_SUBJECT_PRO(IN P_TODAY VARCHAR)returns void
as $$
declarebegin   --1.目标表中没有此主键的则确定为新增  -  新增--2.源表中没有该ID则进行关链  -  删除--3.修改--3.1 闭链：目标表中有此主键的记录,状态值不同，更新结束日期为当天--3.2 开链：目标表中新增一条修改的数据，更新结束日期为无穷大end;
$$
language plpgsql;

四、拉链的过程实现

1.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.eNameand s.ePhone=t.ePhone);

2.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') );

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

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 ) );

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

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：