在数仓开发中，随着业务的增长和变化，数仓里会有越来越多的数据表，同时也会产生非常多的无效表，占用着数仓中大量的存储资源，且影响数据复用。那对于无效表，我们又该如何治理呢？
在这里，我将无效表定义为：空表和长期无访问的表。
空表的存在，会影响数据检索和复用，建议定期清理。长期无访问的表，会持续占用数仓中的存储资源，同样建议定期清理。那如何在数仓这么多的表里，发现空表和长期无访问的表呢？DataWorks的资源优化模块中，有一个数据存储优化，能将MaxCompute中的空表、90天未访问的表都筛选出来，便于用户进行治理。
空表
DataWorks资源优化对空表的定义为：每日凌晨数据存储量为0的数据表。
治理建议：在治理空表时，建议按创建时间正序处理，避免那些提前创建的数据表被误删；同时由于凌晨是离线任务产出数据的高峰期，可能会存在部分表在凌晨是以insert overwrite的方式写入数据，在识别数据时，有一定概率会因为识别时，数据被清空而导致被判定为空表，故在治理时，可以参考表下游数，当下游数为0时，表示没有被下游表依赖。
如某张表出现了上述治理建议中提到的误识别，可先为该表申请添加至白名单，产品侧也会不断完善识别规则，降低误判。
长期无访问的表
DataWorks资源优化对长期无访问的表，有一个最近90天未访问表的治理项，其定义为：最近90天内该表未被访问（查询表数据、同步表数据等，都属于访问）。
治理建议：在治理最近90天未访问表时，需深入了解该表的产出情况及访问情况，可以点击表名进入表详情页，先查看表的产出情况，是否每日稳定产出，再查看表的最近访问时间。若数据每日有稳定产出，但又没有下游访问，需与该表的业务方进行沟通，是否业务已经停用。若业务不确认是否还在使用，可以考虑先将产出任务暂停，将表的生命周期调小（比如：将表生命周期调整为7天，生命周期到期后数据会自动被回收）；如业务确认该表已经被废弃了，可以直接删除。
无法找到业务方，难以确认是否可删除，可以短期将其添加至白名单中，但仍需尽快与业务方沟通，对齐处理方案。
小结
以上是DataWorks资源优化对空表和最近90天未访问表问题的处理方案，目前资源优化对无效表的治理项判定原则还在不断完善中，大家对无效表的治理有任何想法和建议都欢迎加入钉钉群反馈。
资源治理专项沟通钉钉群二维码如下，欢迎大家一起交流资源治理相关问题。
DataWorks百问百答历史记录
请点击这里查看>>更多DataWorks技术和产品信息，欢迎加入
【DataWorks钉钉交流群】