拉链表

定义

拉链表是中文数据仓库实践中广泛使用的一种历史数据存储设计：为每条记录增加开始日期与结束日期两个字段，记录该版本数据的有效区间，数据版本首尾相接形似拉链，因此得名。其思想与 Kimball 的 SCD Type 2 一脉相承。

原理

当源表某条记录发生变化时，ETL 将拉链表中该记录的旧版本「关链」——把结束日期从极大值（如 9999-12-31）更新为变更前一日，同时插入一条新版本记录，开始日期为变更日、结束日期为极大值。查询任意历史时点的全量快照，只需筛选「开始日期 <= 该日 且 结束日期 >= 该日」。在 Hive 等不支持更新的系统中，通常用「当日增量与昨日拉链全量重算合并、覆写分区」的方式实现。

应用

拉链表常用于用户、账户、订单状态等缓慢变化且需追溯历史的大表，相比每日全量快照可节省大量存储。

优缺点

优点是既能还原任意时点快照又避免冗余；缺点是加工逻辑较复杂，回刷历史数据成本高。