APP推广合作
联系“鸟哥笔记小乔”
全量、增量、流水、拉链、快照、代理键、缓慢变化维...
2020-10-12 23:56:59

这是我的第68篇原创

今天是一篇很枯燥的数据仓库名词和使用场景的解释。适合对数仓感兴趣的同学食用。


数仓建设的时候,我们会有非常多的名词,很多数据分析师经常接触数仓,但又不太了解,往往会被数仓工程师的一堆名字给打晕了。别怕,有我在!


今天给你把这些名词都给解释清楚:全量表、增量表、流水表、拉链表、快照表、代理键、业务主键、自增主键、维度、缓慢变化维、分区、分桶、分表、分库、位图、颗粒度。


上面都是常用的一些名词,我们把他们分个类:


表相关名词解释

表的设计模式:分区、分桶、分表、分库。


我们知道一张表中的数据超过一定数量之后,查询的速度会变慢,MySQL大概是2000W左右。但是业务数据不断累积,超过这个限制怎么办?


在结构化数据库中,采用的方法就是表分区。将一个表按照某个规则(比如按年,或者hash散列等),将大量存储在不同的分区中,起到分而治之的效果。对A表进行分区,A表仍然是一张表,但是不同年份的数据会存在不同的物理文件中,查询时我们只需要查找对应的某个分区表即可,速度可以得到保障。但是分区表有一些弊端,比如只能横向分,对主键和索引有要求等。优点是仍然是一张表,对使用非常友好。


所以我们会有其他的方法,比如分表。分表有两种分法:1、把一张大表进行纵向切割,分成若干个小表,适合很多列的表;2、把一张大表进行横向切分,分成若干个小表,适合数据量特别巨大的表。在大型互联网公司,一般横向直接切成1024个小表。分表的扩展性非常好,隔离性也很好。但是一张表会分出N张表,对使用很不友好。


如果一个数据库中的数据表很多,每张表的数据也非常多,那咋弄?除了分表,那就是分库了。我们把关系相近的表归好类,形成若干个表的集合。每个关系比较紧密的表的集合放在一个数据库中,这样就形成了一个一个的子集表的数据库,这就是分库。


在大数据环境中,表的关联代价很大,效率比较低。研究过MapReduce、Spark原理的同学应该知道其原因,核心就是shuffle过程会导致数据的不均匀。这时候我们可以进行分桶操作,即把A、B关联用的ID进行分桶操作,之后关联的时候,MapReduce时,会把两个表相同id的数据分在一个桶中进行join,这样效率就非常高了。


表的更新模式:全量表、增量表、流水表、快照表、拉链表。

其实叫更新模式不完全对,姑且这么叫吧。我们知道数据仓库是面向历史的,里面的数据原则上是不允许变更的数据。但是业务数据是变化的啊,我们用不变的数据仓库数据反应业务的变化呢?

方法1:每天都把所有数据都复制一遍,放在数仓里,就像找个照片一样不就好了吗?对,这就是快照表。

方法2:我们把每条数据的每次变化都记录下来,形成数据变化流水账,放在数仓里,也可以对吗?对,这就是流水表。

方法3:我们不必把所有的变化都记录下来,只需要记录关键信息的变化就可以了,每条数据的关键信息变化了,就记录到数仓里,这就是拉链表。


如果一张表含有该业务从诞生开始到现在的所有数据,那这张表就叫全量表。全量更新也是这个意思,如果更新数据的时候,直接覆盖这张表里的所有数据,就叫全量更新。一般我们都直接truncate,然后insert。优点是出错少,好维护,缺点是数据处理量大。

如果一张表只含有某个更新周期内的数据,那就叫增量表。增量更新也是这个意思,从上次的更新截止点开始,抽取这次新增加的数据,放在目标表里,这就是增量更新。增量更新的时候我们需要注意增量字段,还得小心更新失败、漏更新等,需要进行数据更新的校核,比较费劲。优点是数据处理量小,速度快;缺点是事儿多。


快12点了,来不及写字段和概念了,明天继续哈~~~

配合以下资料享受更佳






资料包 | 数据仓库建设全套资料包


资料包 | 数据中台产品资料包


资料包 | 数据产品选型资料包


如果你觉得有用,就请帮忙分享一下,谢谢你了



大数据架构师
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
大数据架构师
大数据架构师
发表文章269
历任多家公司大数据总监、大数据架构师,专注于数字化转型领域。
确认要消耗 羽毛购买
全量、增量、流水、拉链、快照、代理键、缓慢变化维...吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接