数仓的同步策略

最新推荐文章于 2024-08-12 02:37:03 发布

Null is Null

最新推荐文章于 2024-08-12 02:37:03 发布

阅读量438

点赞数 1

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_45150724/article/details/114373500

版权

在这里插入图片描述
有时候在想，数仓中的表有同步策略，这个同步策略在哪里看呢？是建表语句吗？显然不是。是在sqoop中看参数。

全量同步: 查询最新的分区，就是所有的数据。
缺点就是:hdfs越来越大。
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

打个比方:
1月1号的数据，存到hdfs之后。
1月2号的数据，以及1月1号中发生变化的数据，存到对应1月2号的分区。
导数据的时候，导入分时候条件就是创建时间是1月1号的，或者是operate的时间是1月2的(1月1日或者更早的数据在1月2号修改了，那么这个时间就是1月2号)。
这样的话，就是导入的是新增得数据，以及和变化的数据。

具体的就是，业务数据从MySQL中导入hdfs的脚本里面，进行的指定条件。

这里面就是全量同步，从MySQL中，因为后面的条件是where 1=1，也就是无条件的导入，也就

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。