数仓建模：什么是全量表，增量表，快照表，拉链表，流水？

1. 全量表

全量表顾名思义就是存储了全部数据的表，全量表是没有分区的，所有数据都存储在一个分区中。

例如，2019年1月1日的全量表如下所示。

2019年1月2日的全量表如下所示。

如上所示，uid=100的用户在2019年1月1日的状态是未通过，而在2019年1月2日的时候通过了，所以在2019年1月2日的时候状态就变成了通过，且此时已经没有了未通过那条记录，因为全量表存储的都是截至目前最新状态的全部记录。

2. 增量表

增量表是相对全量表而言的，就是每次把新增的数据追加到原表中，增量表中每次新增的数据单独存储在一个分区中。

如上所示，uid=102的用户是2019年1月2日新增加进来的，所以存储在2019年1月2日的分区中，而uid=100的用户是2019年1月1日进来的，所以存储在2019年1月1日的分区中，且历史分区中的数据是不发生改变的，所以状态依然是未通过。

3. 快照表

快照表就是截至过去某个时间点的所有数据，关注更多的是过去某个时间点的状态，即快照表主要是存储历史状态的表。每次快照的数据单独存储在一个分区中。

如上所示，在2019年1月1日的时候，只有uid=100和uid=101两个用户，所以这一天的快照表就只存储了这两个用户；截至2019年1月2日，已经有uid=100、uid=101、uid=102三个用户了，所以一天的快照表存储了这三个用户，且这一天uid=100的用户的状态是通过。

4. 拉链表

拉链表存储了某个主体的一整套连续动作的信息。与快照表类似，但拉链表存储的是在快照表的基础上去除了重复状态的数据。

拉链表在快照表的基础上去除了重复的uid=101的记录，因为这一条记录在不同分区下的数据是相同的。

5. 流水表

流水表是存储了所有修改记录的表。流水表与拉链表也有些类似，不同的是拉链表可以根据拉链粒度存储数据，也就是只存储特定维度的数据变化记录；而流水表存储的是每一个修改记录。

uid=100的用户在2019年1月2日状态发生了改变，所以新增了一条记录；uid=102的用户在2019年1月2日新添加进来，也算一次改变，所以也新增了一条记录。

往期精彩

文章转载自会飞的一十六，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。