const currentPage = dv.current().file;
const dailyPages = dv.pages('"0-Daily"').sort(k=>k.file.name, "asc");
const currentPageName = currentPage.name;
const index = dailyPages.findIndex((e) => {return e.file.name === currentPageName});
if (index < 1) {
dv.table(["File", "Created", "Size"],[]);
} else {
const lastIndex = index - 1;
const lastPage = dailyPages[lastIndex].file;
const allPages = dv.pages().values;
const searchPages = [];
const lastTime = dv.parse(lastPage.name);
const currentTime = dv.parse(currentPage.name);
for (let page of allPages) {
const pageFile = page.file;
if (pageFile.cday > lastTime && pageFile.cday <= currentTime) {
searchPages.push(pageFile);
}
}
dv.table(["File", "Created", "Size"], searchPages.sort((a, b) => a.ctime > b.ctime ? 1 : -1).map(b => [b.link, b.ctime, b.size]));
}
OLAP & OLTP
OLAP（On-line Analytical Processing，联机分析处理）是一种用于分析和查询 大规模数据集 的计算机处理技术。OLAP 技术主要用于 多维数据分析 和 数据挖掘 ，通过提供多维数据模型和多维查询功能，帮助用户从不同角度和层次上对数据进行分析和查询，侧重 分析决策 。
OLTP （Online Transaction Process，OLTP, 联机事务处理 )
第一，在底层数据处理层面，OLTP 以 SQL 增删改处理为主，OLAP 以 SQL 查询操作为主。数据来源层面，OLTP 的数据来源就是它们前端的应用，就是 B/S 架构或者 C/S 架构的 B Browser 浏览器或者 C Client，就理解为用户在各种系统上录入数据就可以了。
业务系统 - 派可数据商业智能BI可视化分析平台
第二，OLAP 的数据来源就是不同的 OLTP 数据库，所以 OLAP 本身是不产生数据的，通过 ETL 从 OLTP 抽取数据到 OLAP 数据库即数据仓库中做整合清洗达到可分析的数据标准。
第三，OLTP 数据处理的时间相对较短，增、删、改操作，就像在页面上点击一个提交案例、下一步操作等等；但是 OLAP 数据处理的时间可能就会很长，比如一个大查询可能查询的数据量非常长，相对增删改时间周期会拉的更长一些，取决于 OLAP 数据结构的规范性以及返回数据量的大小。
第四，OLTP 也有查询操作，但查询的操作都相对比较简单；OLAP 的查询相对可以很复杂；
第五，OLTP 系统在底层数据库的设计上通常采用3NF 设计方式，避免数据冗余，很适合频繁的增删改操作；OLAP 系统主要是面向分析型应用准备的，因此在底层数据库即数据仓库的设计上通常会采用反三范式的方式，比如 Kimball 的维度建模方式，刻意的保留数据冗余，很适合分析查询操作。
- 雪花型建模
当然，在 OLAP 系统底层数据仓库的架构中也有采用 3NF建模的，主要目的是为了统一业务数据标准，但真正面向分析服务的时候还是会在3NF 的基础上再构建一套反三范式的 Kimball 星型模型或者雪花型模型的数据架构。
第六，OLTP 由于采用3NF 建模，所以对数据的完整性要求很高，必须采用完整性约束。但是 OLAP 本身就不是面向业务交易信息的，不对业务过程负责，并且数据也不会频繁修改，所以是没有完整性约束这一说的。比如 OLTP 里面一个事务没有提交成功，或者失败了，事务是要回滚的。OLAP 里面没有这种处理，跑不成功再重新跑一遍就可以了。
ETL
ETL 是数据抽取（Extract）、清洗（Cleaning）、转换（Transform）、装载（Load）的过程。是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗,最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。
数据清洗
