数据同步之全量同步与增量同步

数据同步之全量同步与增量同步 一、什么是数据同步

        业务数据是数据仓库的重要数据来源，我们需要每日定时从业务数据库中抽取数据，传输到数据仓库中，之后再对数据进行分析统计。

        为保证统计结果的正确性，需要保证数据仓库中的数据与业务数据库是同步的，离线数仓的计算周期通常为天，所以数据同步周期也通常为天，即每天同步一次即可。

        数据的同步策略有全量同步和增量同步。

二、全量同步

        全量同步，就是每天都将业务数据库中的全部数据同步一份到数据仓库，这是保证两侧数据同步的最简单的方式。

三、增量同步

         增量同步，就是每天只将业务数据中的新增及变化数据同步到数据仓库。采用每日增量同步的表，通常需要在首日先进行一次全量同步。

 四、策略对比

同步策略

优点

缺点

全量同步

逻辑简单

在某些情况下效率较低。例如某张表数据量较大，但是每天数据的变化比例很低，若对其采用每日全量同步，则会重复同步和存储大量相同的数据。

增量同步

效率高，无需同步和存储重复数据

逻辑复杂，需要将每日的新增及变化数据同原来的数据进行整合，才能使用

五、工具

工具

DataX/Sqoop

Maxwell/Canal

对数据库的要求

原理是基于查询，故若想通过select查询获取新增及变化数据，就要求数据表中存在create_time、update_time等字段，然后根据这些字段获取变更数据。

要求数据库记录变更 *** 作，例如MySQL需开启binlog。

数据的中间状态

由于是离线批量同步，故若一条数据在一天中变化多次，该方案只能获取最后一个状态，中间状态无法获取。

由于是实时获取所有的数据变更 *** 作，所以可以获取变更数据的所有中间状态。

               DataX/Sqoop适用于全量同步，Maxwell/Canal适用于增量同步