etl算法详解_数据拉链处理什么意思

etl算法详解_数据拉链处理什么意思所谓拉链,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                       

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

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。

算法:(拉链表算法其实就是以前遇到过的缓慢变化维的其中一种情况,用存储过程实现的话稍微麻烦点。)

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);

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;

5W_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_datemax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;

 

下面为具体例子:

 

[sql]  
view plain  
copy

  1. OD(在第一天就等于HIS)  
  2. 用户标志      状态 开始时间   结束时间  
  3. 1             1    200712   299901  
  4. 2             2    200712   299901  
  5. 3             3    200712   299901  
  6. 4             4    200712   299901  
  7. 5             5    200712   299901  
  8.   
  9. ND  
  10. 用户标志     状态  开始时间     结束时间  
  11. 1             2    200801      299901  
  12. 2             2    200801      299901  
  13. 3             4    200801      299901  
  14. 4             4    200801      299901  
  15. 5             6    200801      299901  
  16.   
  17. W_I=ND-OD  (  将W_I表的内容全部插入到历史表中,这些是新增记录 )  
  18. 用户标志    状态   开始时间     结束时间  
  19. 1             2   200801        299901  
  20. 3             4   200801        299901  
  21. 5             6   200801        299901  
  22.   
  23. W_U=OD-ND ( 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 )  
  24. 用户标志    状态  开始时间       结束时间  
  25. 1            1   200712          299901  
  26. 3            3   200712          299901  
  27. 5            5   200712          299901  
  28.   
  29. INSERT操作把I插入到HIS  
  30. 用户标志   状态   开始时间        结束时间  
  31. 1            1   200712           299901  
  32. 2            2   200712           299901  
  33. 3            3   200712           299901  
  34. 4            4   200712           299901  
  35. 5            5   200712           299901  
  36. 1            2   200801           299901  –new  
  37. 3            4   200801           299901  –new  
  38. 5            6   200801           299901  –new  
  39. </span>  
  40. update操作按U更新HIS  
  41. 用户标志       状态 开始时间 结束时间  
  42. 1               1   200712  200801 –change  
  43. 2               2   200712  299901    
  44. 3               3   200712  200801 –change  
  45. 4               4   200712  299901  
  46. 5               5   200712  200801 –change  
  47. 1               2   200801  299901  
  48. 3               4   200801  299901  
  49. 5               6   200801  299901  

 

转载 :http://blog.csdn.NET/paopaomm/article/details/7491400

另一个操作SQL的例子 

[sql]  
view plain  
copy

  1. 一个实际例子(teradata)  
  2.      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;  
  3.      CREATE VOLATILE TABLE VT_xxxx_NEW AS xxxx WITH NO DATA ON COMMIT PRESERVE ROWS;  
  4.      CREATE VOLATILE SET TABLE VT_xxxx_CHG,NO LOG AS xxxx WITH NO DATA ON COMMIT PRESERVE ROWS;  
  5.   
  6.    
  7.   
  8.      2、获取当日全量数据  
  9.      INSERT INTO VT_xxxx_NEW(xx) SELECT (xx,cur_date, max_date) FROM xxxx_sorce; ND  
  10.   
  11.    
  12.   
  13.      3、抽取新增或有变化的数据,从xxxx_NEW临时表到xxxx_CHG临时表;  
  14.      INSERT INTO VT_xxxx_CHG(xx)  
  15.      SELECT xx FROM VT_xxxx_NEW  
  16.      WHERE (xx) NOT IN (select xx from xxxx_HIS where end_date=‘max_date’);  
  17.   
  18.    
  19.   
  20.      4、更新历史表的失效记录的end_date为max值  
  21.      UPDATE A1 FROM xxxx_HIS A1, VT_xxxx_CHG A2  
  22.      SET End_Date=‘current_date’  
  23.      WHERE A1.xx=A2.xx AND A1.End_Date=‘max_date’;  
  24.      5、将新增或者有变化的数据插入目标表*/  
  25.      INSERT INTO xxxx_HIS SELECT * FROM VT_xxxx_CHG;  


 

自己编写的例子:

[sql]  
view plain  
copy

  1. /**拉链表: 也就是一个 记录历史 表,用于记录事物从 最开始的状态 到 当前状态 所有变化的信息 */  
  2. select * from emp ;   
  3.   
  4. –历史表   
  5. DROP TABLE old_tb_his;  
  6. drop table new_tb;   
  7.   
  8. create table old_tb_his(  
  9. id  number(10,0),  
  10. status  varchar2(20),  
  11. start_date varchar2(20),  
  12. end_date varchar2(20)  
  13. );  
  14.   
  15. insert into old_tb_his values(1,‘1’‘200712’ , ‘299901’);  
  16. insert into old_tb_his values(2,‘2’‘200712’ , ‘299901’);  
  17. insert into old_tb_his values(3,‘3’‘200712’ , ‘299901’);  
  18. insert into old_tb_his values(4,‘4’‘200712’ , ‘299901’);  
  19. insert into old_tb_his values(5,‘5’‘200712’ , ‘299901’);  
  20.  –ROLLBACK;  
  21. COMMIT;  
  22. select * from old_tb_his;      
  23.   
  24.   
  25. CREATE TABLE NEW_TB AS SELECT * FROM old_tb_his WHERE 2 =1 ;  
  26. insert into NEW_TB values(1,‘2’‘200801’ , ‘299901’);  
  27. insert into NEW_TB values(2,‘2’‘200801’ , ‘299901’);  
  28. insert into NEW_TB values(3,‘4’‘200801’ , ‘299901’);  
  29. insert into NEW_TB values(4,‘4’‘200801’ , ‘299901’);  
  30. insert into NEW_TB values(5,‘6’‘200801’ , ‘299901’);  
  31. COMMIT;   
  32.   
  33. SELECT * FROM NEW_TB;    
  34.   
  35. /*  
  36. merge into old_tb_his   
  37.  using NEW_TB      
  38.  on (old_tb_his.id = NEW_TB.id and old_tb_his.status = new_tb.status )    
  39. when matched then  update set old_tb_his.end_date =  NEW_TB.start_date   
  40. when not matched then insert values(NEW_TB.id, NEW_TB.status, NEW_TB.start_date,NEW_TB.end_date);    
  41.  */  
  42.   
  43. /**用不了  这个函数是匹配就更新   不匹配添加   
  44.    而拉链算法可以看作是 不匹配的更新 不匹配的也添加  
  45.   
  46. merge into old_tb_his   
  47.  using NEW_TB      
  48.  on (old_tb_his.id = NEW_TB.id and old_tb_his.status = new_tb.status )    
  49. when not matched then update set old_tb_his.end_date =  NEW_TB.start_date ;  
  50. –when not matched then insert values(NEW_TB.id, NEW_TB.status, NEW_TB.start_date,NEW_TB.end_date);    
  51.  */  
  52. –如果函数不能完成拉链算法 只能通过存储过程来完成  
  53.    
  54.    
  55. select * from old_tb_his;   
  56. SELECT * FROM NEW_TB;    
  57.   
  58.   
  59.   
  60. –创建临时表old_tb_his_temp  
  61. CREATE GLOBAL TEMPORARY  TABLE old_tb_his_temp     
  62. (  
  63. id  number(10,0),  
  64. status  varchar2(20),  
  65. start_date varchar2(20),  
  66. end_date varchar2(20)  
  67. )  
  68. ON COMMIT DELETE ROWS ;  
  69.   
  70. –创建临时表new_tb_temp  
  71. CREATE GLOBAL TEMPORARY  TABLE new_tb_temp     
  72. (  
  73. id  number(10,0),  
  74. status  varchar2(20),  
  75. start_date varchar2(20),  
  76. end_date varchar2(20)  
  77. )  
  78. ON COMMIT DELETE ROWS ;  
  79.   
  80.   
  81. — W_I = ND – OD  (  将W_I表的内容全部插入到历史表中,这些是新增记录 )    
  82. insert into  old_tb_his_temp   
  83. select *  
  84.   from new_tb t  
  85.  where t.id not in (select id  
  86.                       from (select t1.id, t1.status, t1.end_date  
  87.                               from old_tb_his t1  
  88.                             intersect  
  89.                             select t2.id, t2.status, t2.end_date  
  90.                               from new_tb t2));  
  91.                                 
  92.                      
  93.    
  94. — W_U = OD – ND ( 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 )    
  95. insert into new_tb_temp  
  96. select *  
  97.   from old_tb_his t  
  98.  where t.id not in (select id  
  99.                       from (select t1.id, t1.status, t1.end_date  
  100.                               from old_tb_his t1  
  101.                             intersect  
  102.                             select t2.id, t2.status, t2.end_date  
  103.                               from new_tb t2));  
  104.   
  105.                                 
  106. select * from old_tb_his_temp;  
  107.   
  108. select * from new_tb_temp;  
  109.   
  110.   
  111.   
  112. commit;   
  113.   
  114.   
  115.   
  116. –INSERT操作把I插入到HIS    
  117. INSERT INTO old_tb_his  
  118. SELECT * FROM old_tb_his_temp ;  
  119.   
  120.   
  121. select * from old_tb_his ;  
  122.   
  123.   
  124. –多表更新语句一: update 操作按U更新HIS    
  125. merge into old_tb_his  
  126. using  old_tb_his_temp on (old_tb_his.id = old_tb_his_temp.id and old_tb_his.status <> old_tb_his_temp.status )  
  127.  when matched then update set old_tb_his.end_date = old_tb_his_temp.start_date ;  
  128.   
  129. –多表更新语句二: or: update 操作按U更新HIS    
  130. update old_tb_his   
  131. set old_tb_his.end_date = (select old_tb_his_temp.start_date from old_tb_his_temp  where old_tb_his_temp.id = old_tb_his.id)  
  132. where exists(  
  133. select 1 from old_tb_his_temp where old_tb_his.id = old_tb_his_temp.id   
  134.                                 and old_tb_his.status <> old_tb_his_temp.status  
  135. )  
  136.   
  137. commit;   
  138.   
  139.   
  140. select * from old_tb_his  
  141.   
  142.    
  143. select * from emp;   
  144.    
  145.   
  146. –单表更新  
  147. update emp set empno = 7777 where ename = upper(‘smith’) ;  
  148.    
  149. –多表更新  
  150. merge into t2  
  151. using   t1 on (t2.id = t1.id and t2.status <> t1.status )  
  152.  when matched then update set t2.end_date = t1.start_date ;  
  153. –or  
  154. update t2   
  155. set t2.end_date = (select t1.start_date from t1  where t1.id = t2.id)  
  156. where exists(  
  157. select 1 from t1 where t2.id = t1.id   
  158.                    and t2.status <> t1.status  
  159. )  

 

 

转自: http://blog.csdn.net/badyflf/article/details/51097552

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/181234.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • ubuntu处理locale

    ubuntu处理locale

    2021年6月29日
    82
  • java如何判断对象为空_java对象如何判断是否为空

    java如何判断对象为空_java对象如何判断是否为空在实际书写代码的时候,经常会因为对象为空,而抛出空指针异常java.lang.NullPointerException。下面我们来看一下java中判断对象是否为空的方法:(推荐:java视频教程)首先来看一下工具StringUtils的判断方法:一种是org.apache.commons.lang3包下的;另一种是org.springframework.util包下的。这两种StringUtils…

    2022年6月22日
    39
  • idea2021.7 30天激活码【中文破解版】

    (idea2021.7 30天激活码)这是一篇idea技术相关文章,由全栈君为大家提供,主要知识点是关于2021JetBrains全家桶永久激活码的内容https://javaforall.net/100143.htmlIntelliJ2021最新激活注册码,破解教程可免费永久激活,亲测有效,上面是详细链接哦~MLZPB5EL5Q-eyJsaWNlb…

    2022年3月21日
    98
  • pycharm的使用教程_gg修改器使用教程基础

    pycharm的使用教程_gg修改器使用教程基础PyCharm这款IDE功能虽然强大,但正因为它的强大,所以对于刚入手的人来说,在初期使用时会显得困难。那么,今天这篇文章我就来写一下PyCharm的基本操作,让那些刚使用的新手们能快速入手。2基本配置我们安装好PyCharm后,首先要进行一些小配置,比如主题,字体,字体颜色等。我们打开PyCharm后,点开file,找到Setting然后就会跳出Setting的窗口可以说PyC…

    2022年8月28日
    4
  • js中对数组进行遍历都有哪些方法_js遍历json对象

    js中对数组进行遍历都有哪些方法_js遍历json对象遍历有如下几种方式数组方法mapforEachfilterfindfindIndexeverysomereducereduceRight其他方法forforinforof数组方法map核心创建一个新数组,其结果是该数组中的每个元素都调用一个提供的函数后返回的结果。不改变原数组返回值是一个新的数组lettestArr=[‘子项0′,’子项1′,’子项2’];letresultArr=t…

    2022年10月21日
    2
  • 服务器CPU型号后缀的区别,CPU后缀英文简单科普知识,若能区别字母的含义,选购好CPU不求人…

    服务器CPU型号后缀的区别,CPU后缀英文简单科普知识,若能区别字母的含义,选购好CPU不求人…在组装电脑选购CPU时,很多人都会发现有不少的CPU名称后面,都会带有1个或2个英文字母。其实这些英文字母,都代表着每个CPU型号的不同特点。intel系列CPU最近又有网友咨询,CPU后面的英文字母有何意义,应该怎么样去区别字母的含义?小编今天就针对CPU后缀英文简单科普知识,若能区别字母的含义,选购好CPU不求人。011、intel系列CPU后缀英文的不同含义在intel系列CPU中,后缀带英…

    2022年5月29日
    52

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号