蜂巢:如何处理scd类型2而无需更新

如何解决蜂巢:如何处理scd类型2而无需更新

当前,在本地Hadoop环境中,我们正在使用具有事务属性的配置单元表。但是,随着我们转向AWS,我们还没有该功能。因此想了解如何在不进行更新的情况下处理SCD Type 2。

例如。 用于以下记录。

具有更新

enter image description here

在启用了事务属性的表中,当我获得记录更新时,我继续将end_date更改为current date,并以effective_date作为{{1 }}和current date设为end_date,如上表所示。因此,更容易找到我的12/31/9999(其中end_date =“ 12/31/9999”)。

但是,如果我无法更新过去的记录。我有两条记录相同的active record。如下表所示。

我的问题是。 如果我可以更新过去记录的end_date

  1. 如何获得历史停留时间?
  2. 我如何获得活动记录?

没有更新

enter image description here

解决方法

首先,将所有日期转换为'yyyy-MM-dd'格式,以便它们都可以排序并且分析功能可以使用。然后,您可以使用lead(effective_date,'2019-01-01') over(partition by id order by effective_date)。对于id = 1和有效日期= 2019-01-01,它应该给您'2020-08-15',您可以将此值分配为'2019-01-01'记录的结束日期。如果没有有效日期较大的记录,则将分配“ 9999-01-01”。转换之后,活动记录就是具有“ 9999-01-01”的记录。

假设日期已经转换为yyyy-MM-dd,这是重写表的方式(插入后):

insert overwrite table your_table
select name,id,location,effective_date,lead(effective_date,'2019-01-01') over(partition by id order by effective_date) as end_date 
 from your_table

或者不先进行插入,就可以在子查询中将所有现有记录与新记录合并,然后计算潜在客户。

实际上,由于蜂巢中的非等价联接实现,因此不建议将SCD2用于历史数据重写。它实现为交叉联接+过滤器(或在dim.id = fact.id上复制联接(这将复制行)+事实(Fact.date = dim.effective_date-该应过滤一条记录)。如果由于过滤前的重复而导致维度和事实很大,则此连接非常昂贵。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。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, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 <select id="xxx"> SELECT di.id, di.name, di.work_type, di.updated... <where> <if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 <property name="dynamic.classpath" value="tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -> systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping("/hires") public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate<String
使用vite构建项目报错 C:\Users\ychen\work>npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-