在大数据环境中，按日期划分是否是跟踪数据时间变化的可行方法？我希望在rdbms中实现类似于缓慢变化维度的概念。让我们假设以下场景保持简单：

情景

我有一个hadoop集群，其中数据驻留在hdfs中，当前位于.csv文件中。我还想使用apacheimpala作为查询引擎。我们有这样一些客户数据：
编号、性别、头衔、名字、姓名、生日、街道、plz、城市、电话
1，弗劳，博士，珍妮，哈奇，1924年3月23日，str。7997230，达根菲尔德，093/38700
每天，新的数据都会通过.csv到达（就说每天都会有新的、完整的客户数据交付）。新数据必须集成到我们的存储系统中。

计划

我的想法是，我可以用交付的时间戳来丰富客户数据：
编号、性别、头衔、名字、姓名、生日、街道、plz、城市、电话、交货日期
1，弗劳，博士，珍妮，哈奇，1924年3月23日，str。7997230，达根菲尔德，093/3870020170814
然后，在创建相应的impala表时，我将只使用传递的时间戳对表进行分区。理论上，这将为我们提供一个完整的数据快照，我们可以在将来查询这些数据。
这将不会创建与scd2中相同的表结构，在scd2中我们有一个有效的时间跨度，但是通过查询不同的日期，我们可以看到，例如，名称更改的时间。
你认为这是分区的一个很好的用法，还是我的思想中已经有了一个目前看不到的缺陷？
将来可能还会有交付，每天提供的新数据只是更改/新值的增量。这可以通过将新数据与上一天的数据合并来处理，以发现变化和新条目。
我已经在这里读到了一些有趣的帖子：
在配置单元中对表进行分区和bucketing有什么区别？
缓慢变化的维度—在hive中实现scd1和scd2
Impala 如何支持分区？
我还观看了cloudera为hadoop专业人士举办的EDW101网络研讨会，但他们没有提到分区是一种处理时间变化的方法。
我对hadoop和impala的实践经验很少，所以我很欣赏每一个答案。