用 BETWEEN AND 关联拉链表会漏数据，因其闭区间特性无法准确处理“当天生效当天失效”记录及start_date=end_date的单日快照，且不能自然表达“生效时间≤查询时间＜失效时间”的开闭区间逻辑。
为什么用 BETWEEN AND 关联拉链表会漏数据？
直接用 BETWEEN start_date AND end_date 做关联，看似合理，但极易漏掉“当天生效、当天失效”的记录。拉链表中常见 end_date = '9999-12-31'（表示当前有效），也存在 start_date = end_date 的单日快照场景；而 BETWEEN 是闭区间，当查询日期恰好等于 end_date 时，若该记录已被新版本覆盖（即存在另一条 start_date = 当前日期 + 1 的记录），就会因重复匹配或逻辑错位导致结果不唯一或丢失。
更关键的是：BETWEEN 无法自然表达“生效时间 ≤ 查询时间
正确写法：用 和 <code> 替代 <code>BETWEEN
拉链表的时间逻辑本质是半开区间：[start_date, end_date)。查询某天 query_date 的状态，应满足：
start_datequery_date （注意不是 <code>）
这样能严格避开端点歧义。例如：
SELECT t1.* FROM fact_customer_lz t1 JOIN dim_date d ON d.date_key = '2024-05-20' WHERE t1.start_date <= d.date_key AND d.date_key < t1.end_date;
如果 end_date 存储为 '9999-12-31'，该写法依然安全；若用 BETWEEN，则需额外处理 end_date = '9999-12-31' 的情况，反而增加复杂度。
关联多张拉链表时，AND 条件顺序影响执行计划
当 JOIN 多个拉链维度（如客户+产品+地域），每个都加时间过滤，数据库优化器可能无法自动识别时间条件可下推。必须显式把时间谓词写在 ON 子句里，而非全丢到 WHERE：
- ✅ 推荐：
JOIN dim_product p ON t.prod_id = p.prod_id AND t.start_date - ❌ 避免：
JOIN dim_product p ON t.prod_id = p.prod_id+ 后续WHERE ... AND d.date_key （可能触发全量关联再过滤）
尤其在 Hive/Spark SQL 中，WHERE 后的时间条件无法下推到 Map 端，易引发 OOM 或慢查询。
日期字段类型不一致会导致隐式转换和索引失效
常见坑：拉链表的 start_date 是 STRING（如 '20240520'），而查询用的 date_key 是 DATE 类型。此时 t.start_date 会触发字符串转日期，不仅慢，还可能因格式不统一报错（如 <code>'99991231' 转换失败）。
务必统一类型：
- 若源数据是
STRING，先用TO_DATE(t.start_date, 'yyyymmdd')或DATE(t.start_date)（依引擎而定）标准化 - 若已建索引，确保索引列与查询列类型完全一致，否则索引白建
- 测试时用
EXPLAIN看是否走了索引扫描，而不是全表扫描
拉链表的时间过滤逻辑看着简单，但日期类型、区间语义、连接位置三个点任意一个没对齐，查出来的就是错数据——而且这种错误往往静默发生，不容易被测试用例覆盖到。
