作为一名数据分析师，我们在数据库进行数据分析查询的时候，会有挺多不同的表结构，有宽表、窄表、全量表、增量表、快照表、流水表等等，那具体是什么意思，接下来我们逐一进行介绍。

一、宽表与窄表

     宽表，顾名思义，就是字段列比较多的 数据库表，长的有上百列、几百列字段，短的也会至少有几十个字段，它是把不同数据库表、不同维度、属性关联的字段放在统一归到一张大表里面存储，这种类型的表的好处是信息较为全面和完整，这也意味着有提供更多的业务价值，便捷数据分析人员查询，提高查询性能，那宽表既然说的有这么好，那是不是数据库都要去设计成宽表呢？答案是否定的，宽表也会有不好的地方，首先它接入较多维度的数据，会造成数据维度更细，数据列有大量重复数据，占用较多的存储空间。此外如果业务需求稍微有变化，那就需要重新设计另外一张新的宽表，造成宽表的复用度降低且灵活性也就变得较差，后续系统的开发效率也较低。如果只考虑数据仅仅是满足业务目标服务，就缺少了对过程的思考与建设，也就是陷入到比较极端的开发状态中，所以要尽量以最低的开发成本满足多样的业务需求，所以宽表也是把双刃剑。

     比如物流仓储的全链路报表，从店铺订单生成、仓库生产波次响应、出库单生成、打单、复核、包装、出库、退货等环节数据。快递全链路报表，从电商平台下单、流转、揽收、交件、转运、分发、签收、退改等操作扫描节点以及对应维度明细数据全部囊括。

      窄表就是单独存储某一类型的字段表，就拿物流仓储报表举例，比如有商品基本信息表，包含商品编码、商品名称、商品的长、高、宽、体积、重量等等，还有仓储SKU表，存储了包括SKU_ID号、商品的类型、商品的款式、商品的颜色等字段，还有出库单表，存储了包括平台订单号，付款时间，出库单类型，店铺名称，店铺编码，出库单号, 运单号, 出库时间, 仓库编码，出库件数，是否预售等等字段。

二、全量表与增量表

     全量表顾名思义就是存储了全部数据的表，但它是记录更新周期内的全量数据，无论数据是否有变化都需要记录。所有全量表有这么些特征，它是存储当前最新状态的全部数据，无论是变化的或没有变化的；其次它是没有分区的，所有数据都存储在一个分区中，每次往全量表里写的数据都会覆盖原来的数据，所以全量表他是不记录历史数据的，只有截止到当前最新的、全量的数据。如下示例，假设001、002用户分别在1.12、1.13号生成了2个订单取消动作，在1.13号新增了003用户生成的新订单和1.13号001用户又重新下了单并完成支付。

    增量表就是记录更新周期内的新增数据，即在原表中数据的基础上新增本周期内产生的新数据，没变化的数据不会被记录，它有这么些特征，记录每次增加的量，而不是总量，增量表是每次把新增的数据追加到原表中，存在分区，增量表中每次新增的数据每次单独存储在一个分区中，历史分区中产生的数据记录不发生变化。如下示例，假设用户001在1.12号取消了个订单，然后在1.13号的时候又新增了个订单id, 所以存储在1.13号的分区中，历史的1.12的数据是不发生变化的。

     增量表中的分区时间是T日，实际代表第T日，快照表中时间分区T日，实际代表第T+1日，比如快照表中2.13号分区和2.12号分区实际分别对应2.14号和2.13号，它俩的数据相减就是实际时间2.13号到2.14号之间变化、增减的数据，也就是增量表里面2.13号分区的数据。

三、快照表、流水表和拉链表

      快照表，可以你把想象成一个照相机，比如每年除夕全家人在那个时点拍个全家福，你每年那个时点拍一张，各年时点拍照汇集成的图片成为一个"年度照片集", 如1992年拍了一张，那这一年的快照就是保存了这一张，到了1993年除夕又拍了一张全家福照片，同时这一天又对1992的全家福照片做了图片颜色处理，那就新增了一张照片，那么对应到1993年的快照就有了3张全家福照片。那对应到数据库也是一样，它也是截取过去某个时间的数据，一般是以天为一个时点，每个快照的数据单独存储在一个分区中，比如库存快照表就是这样，每天的0点过后，自动生成包括昨天在内的历史所有店铺对应仓库所待售的库存数据。快照表的典型特征是按照时间分区进行数据存储，并存储过去历史到现在的分区数据。

      流水表，它是对于表的每一个修改都会被记录，可以用于反映实际记录的变更，它的典型特征是存储了所有修改记录的表，它与拉链表也有类似，不同的拉链表可以根据拉链粒度存储数据，也就是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。

     拉链表，是一种维护历史状态以及历史最新数据的表，记录从开始到现在的一张表, 它包含过去和现在的记录，一般通过增加start_date开始日期、end_date结束日期或vld_tm生效日期、ivld_tm失效日期。比如仓库基础信息表，存储物流仓库的名称、编码、面积、省份、城市、具体地理位置、仓库负责人、开始运营时间、结束运营时间。比如快递里面的机构表，可以储存机构编码、机构上级编码、机构所属省份、机构所属市、机构所属区县、机构类别、主分拨中心、生效时间、失效时间、修改日期等。如下列的仓库基础信息拉链表，苏州吴江仓在2021年1月3日开始运营，在2023年12月31日可能因为搬迁、改造等原因结束运营，之后在2024年1月1日又重新开始运作，则在新增数据库表中添加新记录，那拉链表对历史的记录也会有更新，同时保留历史记录，对应的也新增维护一条记录。

四、临时表与切片表

     我们在查询复杂数据需求的时候，编写Sql脚本的时候，需要用到嵌套关联多张表取数，很多表需要建立中间表，也就是临时虚拟表，一般通过With as来建立临时表，建立临时表的这部分查询在同一个程序中只执行一次，并将查询结果存储在用户的临时空间中，可以被多次使用，直到整个程序结束。

witha as (select * from com.emp),b as (select * from com.dept)select * from a, b where a.depno = b.depno;

      切片表的话是一种数据表结构，他是根据基础表的某一维度进行划分的数据表，主要作用就是对数据进行分组、筛选、切片等操作，跟Excel表数据透视模块的切片表类似，比如根据时间维度创建切片表，汽车销售数据那会根据不同的时间段，如日或周维度进行切分，某电商平台将一天24小时按1小时或更小维度分钟来进行切分，对应行的交易流水数据；还有根据订单来源进行切片，如根据淘宝、拼多多、抖音、快手、得物、唯品会、京东等平台渠道来进行切分。

 五、事实表与维度表

       在数据仓库中，维度表是一类与事实表相关的表格，主要用于对事实表中的数据进行统计、分析和报表生成。在数仓中，维度表用于描述事实表中的各个维度的属性信息。通常使用维度对事实表中的数据进行统计、聚合计算。如订单状态下，维度表主要包括了从支付、发货、交付和评价等多种状态，如仓库操作动作节点下，包括收货入库、核验、上架、拣选、移库、复核、出库等扫描类型，维度表是对具体数字代码的信息描述及状态码。

      在事实表是存储与业务对象相关的数据的主表，根据数据的生命周期和特点，数据仓库中的事实表可以分为不同类型，也称周期快照事实表、累积快照事实表，主要用于记录与业务对象相关的事务性数据，如电商平台交易流水、出入库数据等，记录某个时间段内的业务数据度量和状态度量的变化。周期性通常以年、月、周、日等为单位进行统计，与周期快照事实表不同，累积快照事实表没有确定的周期，而是针对一个业务对象完全覆盖一个事实的生命周期进行记录，如快运运单的不同操作时点的数据记录。