扫码加入数据分析学习群

“动态增量”是“增量导入数据”在9.1版本中新增的入集市的方式。

随着数据量的增大，咱们入集市的方式渐渐的从“同步数据”变成“增量导入数据”，“增量导入数据”的优点大致有两点：
1. 入集市的时候可以打上meta，查询的时候按照meta进行查询，加快查询速度；
2. 采取每次追加部分数据的方式，跟“同步数据”每次全量数据入集市的方式相比，每天入集市任务的时间更短；数据库处理的数据量更小，减少数据库压力。

同时，“增量导入数据”也并不能完全满足咱们数据更新的需求。

一. 为什么要用“动态增量”？

举个例子，某部门分析的是订单数据，有历史5年的订单数据（2016年1月到2021年3月），历史数据不会变化，只有最近3个月的数据会发生变化，每天想要查询的历史所有订单数据（2016年1月到昨天的数据都可能会查询）。

如果使用“增量导入数据”的“普通增量”，每天追加前一天的数据到集市中没有问题，但是无法满足“最近3个月的数据会变化”的场景，比如：咱们在2021年3月10号，将2021年3月9号的数据追加到集市中，但是到了11号的时候，9号的数据发生了变化。”普通增量”是没有办法对集市中已经变化的9号的数据进行update，或者说删除9号的数据，重新导入。

这种时候“动态增量”就派上用场啦！

二. “动态增量”如何上市？

A. 历史数据按月全量入（2021-03-01日进行）

(1) 需要一个sql数据集，查询 表“某部门订单数据”的全部数据，且需要有日期字段。sql语句中不用加其他where条件用于限制取哪段时间的数据。

（2）新建一个“动态增量”任务

文件夹：设置集市文件夹的名称，需要有意义

更新依据列：需要是日期类型，如果不是日期类型，选择旁边的新建计算列，通过表达式的方式将非日期类型的日期列，转换为日期类型。

咱们这里选择“按时间范围更新”，将历史数据全部包含（比如咱们这里，在2021年3月1号的时候，历史数据范围是2020-01-01到2021-02-28），范围选择完成也可以看下面的提示更新范围，更好理解，范围是包含开始时间，但不包含结束时间。

实现的效果是历史数据按月分割，不同月份的数据存储在不同的集市文件中，并自动给集市数据加上meta,meta名为：_Date_Range_,meta值：数据对应的月份。

具体逻辑：一个任务，按照时间范围（2020-01-01到本月(2021-03月)），按月进行分割，任务实际执行的时候，是按月入集市的，数据库执行的sql，不是一条（select * from 某部门订单数据），而是每个月一条。

B.每天更新最近3个月数据

(1) 2021-03-02号以及之后每天更新最近3个月数据

文件夹：还是跟之前保持一致

按周期进行更新，更新范围：近2月到今天，也就是2021-01-01开始到今天

更新的效果是按月进行分割，删除2021-01月到2021-02月的数据，追加生成2021-01月到2021-03月的数据。

一个完整的动态增量的实例就讲完了，实际使用中咱们可以根据情况进行调整，总的来说动态增量可以实现某段时间的数据按月（按年或按日）进行分割入集市，并打上meta，同时，可以实现对已经入集市的数据进行按月（按年或按日）更新，更新最近一段时间，或者某段固定的时间范围，更新的逻辑是删除对应时间段的集市文件，然后生成新的。

最后咱们不得不提的是meta的使用，前面“动态增量”已经实现了分割入集市，并打上meta，咱们的目标实现了一半（减少入集市的时间）；还有另外一半（加快集市查询），需要通过meta的使用，也就是文件过滤来实现。