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

  • C语言小游戏(flappy bird),附带源码及素材

    C语言小游戏(flappy bird),附带源码及素材课程设计 用 C 语言编码一个小游戏 flappybird 前言一 系统简介二 函数模块图三 具体代码头文件前言完成该程序需要用到 easy x 库数据 建议用 vc6 或 vs2013 版本以上等支持安装 easy x 库的软件一 系统简介该游戏名为 FLIP 滑稽 改自 flappybird 游戏实现了按空格键跳跃 越过障碍无得分 触碰障碍物边界或游戏窗口上下边界游戏结束的功能 其中图片 音效 文件写入

    2025年9月20日
    6
  • 解决方案 git@github.com出现Permission denied (publickey)

    解决方案 git@github.com出现Permission denied (publickey)

    2021年10月12日
    165
  • idea安装配置tomcat_eclipse中配置tomcat

    idea安装配置tomcat_eclipse中配置tomcat我看到很多博文介绍使用maven配置tomcat,那种方法我没有尝试,不过社区版其实是有tomcat的->SmartTomcat。打开IDEA,Crtl+Alt+S或者File->setting在设置里面的plugins插件里面,搜索tomcat就能看到了,点击Install进行安装即可。安装好之后,重启IDEA工具,然后点击IDEA右上角的Addconfiguratio…

    2022年9月22日
    5
  • Ubuntu18.04安装gcc——史上最全安装教程

    Ubuntu18.04安装gcc——史上最全安装教程心路历程:花了整个周末的时间,最终没有安装好gcc,使用的Linux版本是Ubuntu18.04。但是,历尽千辛万苦,第二天晚上终于搞好!!第一步首先在命令行里面输入pingwww.baidu.com。这一步测试Ubuntu是否有网络,若出现如图2所示的信息,可以跳过第二步进行第三步。第二步设置网络,首先在虚拟器-设置-网络适配器里面选择NAT模式。然后再进行第一步操作,有些同学还是没有网络,先别急,还需继续设置,Win+R输入services.msc调出服务,分别右键VMwareDHCP

    2022年7月24日
    60
  • java integer的范围_java integer的取值范围是什么?

    java integer的范围_java integer的取值范围是什么?JavaInteger取值范围Integer类取值和int类型取值一致,取值范围是从-2147483648至2147483647,包括-2147483648和2147483647。但是对于Integer类,java为了提高效率,初始化了-128–127之间的整数对象,因此Integer类取值-128–127的时候效率最高。测试:publicclassIntegertest…

    2025年6月28日
    7
  • Java安全之Weblogic 2016-3510 分析

    Java安全之Weblogic2016-3510分析首发安全客:Java安全之Weblogic2016-3510分析0x00前言续前面两篇文章的T3漏洞分析文章,继续来分析CVE-20

    2021年12月12日
    47

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