使用Informatica BDM的Sqoop增量负载

Question

我是Informatica BDM的新手，我有一个用例，每天必须将RDBMS的数据（100个表）以增量方式导入到Hive中。 有人可以指导我采用最好的方法来实现这一目标吗？

谢谢Sumit

Answer 1

Hadoop是一次写入多次读取（WORM）的方法，而增量负载并非易事。 您可以遵循以下准则，并验证您当前的要求

1. 如果表是小/中型并且没有太多记录，则最好刷新整个表
2. 如果表太大，并且增量负载具有添加/更新/删除操作，则可以考虑暂存增量并执行联接操作以重新创建数据集。
3. 对于大表和大增量，可以为所有最新记录创建一个版本号，并且每个增量都可以进入新目录，并且应创建一个视图以获取最新版本以进行进一步处理。 这避免了繁重的合并操作。

如果删除操作不是更改，那么您还需要考虑如何操作，在这种情况下，您需要进行完全刷新。