数仓缓慢渐变维度表设计
缓慢渐变维度：
维度数据会随着时间发生变化，变化速度比较缓慢，这种维度数据通常称作缓慢渐变维； 由于数据仓库需要追溯历史变化，尤其是一些重要的数据，所以历史状态也需要采用一定的措施进行保存。
大致分为以下几种实现思路
1) 全量快照：
每天保存当前数据的全量快照数据，该方案适合数据量较小的维度，使用简单的方式保存历史状态。
2）额外数据列保存历史状态
额外增加 (一列/多列) ，保留上一个或多个状态值。
| Id |
name |
dept |
Last_dept |
… |
| 1 |
jiangtai |
Dep1 |
Dep3 |
|
3) 拉链表技术
当维度数据发生变化时，将旧数据置为失效，将更改后的数据当作新的记录插入到维度表中，并开始生效，这样能够记录数据在某种粒度上的变化历史。
结合之前所讲的代理键 ，Uid_org 为原始的业务主键，Uid_agency 为代理键
| Uid_agency |
Uid_org |
name |
dept |
Start_date |
End_date |
| 1 |
1 |
jiangtai |
Dep1 |
20180501 |
20180509 |
| 2 |
1 |
jiangtai |
Dep2 |
20180510 |
20991231 |
问题1 ： 如何从拉链表中获取某一天的数据状态
SELECT *
FROM lalian_table
WHERE start_date <= ‘${bizdate}’ AND end_date >= ‘${bizdate}’
Ext : 缓慢渐变维度
代理键是维度建模中极力推荐的方式，它的应用能有效的隔离源端变化带来的数仓结构的不稳定问题，同时也能够提高数据检索性能。
但是如所见，代理键维护代价非常高，尤其是数据装载的过程中，对事实表带来了较大的影响。在基于HIVE 的数据仓库建设中影响更加严重。比如代理键的生成，事实表中关联键的状态，不支持非等值关联等问题，带来ETL 过程更加复杂。
故在大数据体系下，谨慎使用代理键，同时对于缓慢渐变维场景，可以考虑用空间换取时间，每天保留维度表的全量快照。但是这样会带来存储成本，根据实际情况衡量。
