硬核干货——《中小企业 AI 实战指南》免费下载! 了解详情
写点什么

SQL Server 2016:时态表

  • 2015-06-17
  • 本文字数:1478 字

    阅读完需:约 5 分钟

术语“时态数据(temporal data)”是指那些在数据库中有版本的记录。任何给定的逻辑记录都有一个当前版本和零个或多个先前版本。当前版本和任意先前版本在数据库中都以物理行的形式存在,虽然未必在同一张表中。

使用时态表时要努力保证数据完整性。每次更新一个行,都需要有一种方法可以确保行的当前版本复制到存储先前版本的表中。这可以通过触发器或存储过程实现,但两种方法都有各自的问题。

同样,查询时态数据也是个挑战。虽然开发人员很容易获取一条逻辑记录的当前版本,但查询特定数据的版本,需要一个复杂而又容易出错的查询。这经常导致开发人员寄希望于专门为这种负载类型而设计的数据库。

SQL Server 2016 提供了另外一种选择——新的时态表对象。表面上看,时态表看起来跟普通表一样。它支持大多数列类型、普通索引、列存储索引、外键等等。CRUD 类的操作同使用普通 SQL 或对象关系映射一样。实际上,大多数普通表都可以转换成时态表,而不需要修改使用上述表的存储过程和应用程序。

从实现上来说,时态表实际上是两张表。一张表包含当前值,另一张表管理数据的历史版本。两张表链接在一起,普通表的任何 UPDATE 或 DELETE 操作都会自动创建一个相应的历史行。(INSERT 操作不会创建历史记录。)

访问历史数据

开发人员可以直接查询历史表,但由于它不包含当前值,所以不会经常用到它。相反,应该总是使用下面的其中一种操作查询基表:

  • 时间点:AS OF <date_time>
  • 开区间:FROM <start_date_time> TO <end_date_time>
  • 左闭右开:BETWEEN <start_date_time> AND <end_date_time>
  • 闭区间:CONTAINED IN (<start_date_time> , <end_date_time>)

比如,如果想知道 ID 为 27 的客户在第一年中哪个值是活跃的,可以使用查询:

复制代码
FROM Customer FOR SYSTEM_TIME AS OF '2015-1-1' WHERE CustomerID = 27

如果换个需求,想查看客户记录在那天的每个版本,可以使用查询:

复制代码
FROM Customer FOR SYSTEM_TIME BETWEEN '2015-1-1' AND '2015-1-2'WHERE CustomerID = 27

设计原则

  • 时态表需要有一个 SysStartTime 列和一个 SysEndTime 列,两个列均为非空 DateTime2 类型。这些列可以随意命名,由 SQL Server 管理;用户不能插入或更新这些列的值。
  • 不支持 FILESTREAM 列类型,因为它在数据库之外存储数据。
  • 对于表 Foo,历史表的默认表名为“FooHistory”。该名可以覆写。
  • 历史表不能直接修改,只能通过更新或删除当前表的数据增加它的记录。
  • 不支持 INSTEAD OF 触发器,AFTER 触发器只能用在当前表上。

索引必须手动启用。关于这一点,微软给出了一些建议:

为了获得最优的存储大小和性能,一个最优的索引策略是,在当前表上创建一个聚簇列存储索引和 / 或一个 B 树行存储索引,在历史表上创建一个聚簇列存储索引。如果创建 / 使用自己的历史表,那么我们强烈建议创建一个包含当前表主键和时间列的索引,以便提升时态数据查询的速度,以及数据一致性检查操作中一部分查询的速度。如果历史表是行存储的,那么我们建议创建一个聚簇行存储索引。在默认情况下,历史表上会创建一个聚簇行存储索引。至少,我们建议创建一个非聚簇行存储索引。

模式修改

用户不能修改时态表的模式。不过,可以在 ALTER TABLE 语句中使用 SET (SYSTEM_VERSIONING = OFF) 将时态表转换成普通表。

这样做完之后,就可以修改这两张表,然后使用 SET (SYSTEM_VERSIONING = ON) 将它们重新转换成时态表。注意,该语句需要包含历史表的表名和两个系统时间列。

更正:本文的上一个版本曾错误地将 FOR SYSTEM_TIME 表达式描述为 WHERE 子句的一部分,而实际上,它是 FROM 子句的一部分。

查看英文原文: SQL Server 2016: Temporal Tables

2015-06-17 08:322665
用户头像

发布了 1008 篇内容, 共 436.8 次阅读, 收获喜欢 346 次。

关注

评论

发布
暂无评论
发现更多内容

“团队敏捷教练进阶课程”10月18-19日 · 在线A-CSM认证周末班

ShineScrum

Scrum 敏捷

Audition 入门教程:音频降速

北桥苏

Adobe Audition

避坑指南:1688商品详情API采集及常见错误码

tbapi

1688商品详情接口 1688API 1688商品数据采集 1688商品详情API 1688数据分析

台达ESG报告连续五年获得五星佳评级 引领价值链迈向零碳可持续未来

财见

财务人必看:这款RPA让你少熬夜,多成长

Techinsight

淘宝闪购实时分析黑科技:StarRocks + Paimon撑起秋天第一波奶茶自由

阿里云大数据AI技术

阿里云 饿了么 StarRocks 物化视图 湖仓

iPaaS 与传统 ESB 的区别,企业该如何选择?

谷云科技RestCloud

ESB API 数据传输 集成平台 ipaas

PostgreSQL大表同步优化:如何避免网络和内存瓶颈?

谷云科技RestCloud

postgresql API 数据同步 ETL 数据集成工具

Zypher Network 公布 PoP 代币经济模型,开启可信 AI 新篇章

股市老人

百度百舸第一时间支持 π0.5 模型微调,助力具身智能企业抢占研发先机

Baidu AICLOUD

具身智能

Claude Code 从入门到精通:最全配置指南和工具推荐

Immerse

Openresty Tracing 最佳实践

观测云

openresty

腾讯测试实践与工具分享之后台测试

优测云服务平台

测试工具

谙流 ASK 技术解析(二):高性能低延迟

AscentStream

消息队列

淘宝闪购基于Flink&Paimon的Lakehouse生产实践:从实时数仓到湖仓一体化的演进之路

阿里云大数据AI技术

越级才豪华,“磁悬浮豪华电7座SUV”捷途X70L即将预售

科技热闻

Lazada 如何用实时计算 Flink + Hologres 构建实时商品选品平台

阿里云大数据AI技术

flink 阿里云 数据分析 实时计算 hologres

全面获取TSC频率:提升性能分析与基准测试精度

qife122

Linux内核 时间戳计数器

NJet支持使用json格式的配置文件了

通明湖

数据集成平台怎么选?从ETL到CDC再到iPaaS的全景对比

谷云科技RestCloud

数字化转型 ETL 集成平台 CDC ipaas

【IoTDB 线上小课 19】开源时序数据库 Apache IoTDB,四大优势解决企业选型难题!

Apache IoTDB

徕卡首批沪产中高端显微镜正式交付,开启国产化新篇章

财见

揭秘LedgerCTF的AES白盒挑战:逆向工程与密码学分析

qife122

逆向工程 白盒密码学

私域商城物流模块开发实战:基于快递鸟API构建高效履约体系

快递鸟

Flink Agents:基于Apache Flink的事件驱动AI智能体框架

Apache Flink

大数据 flink 实时计算

HarmonyOS编写教师节贺卡

程序员潘Sir

鸿蒙 HarmonyOS HarmonyOS NEXT

GSMA呼吁弥合互联网应用鸿沟

财见

1688商品列表API数据解析

tbapi

1688商品列表接口 1688API 1688数据采集 1688数据分析

如果大模型是一片星空,谁是北斗?

脑极体

AI

AWS SQS 可观测性最佳实践

观测云

AWS SQS Connector

RingCentral收购CommunityWFM 以AI优先的人力管理方案拓展RingCX产品矩阵

财见

SQL Server 2016:时态表_架构_Jonathan Allen_InfoQ精选文章