<< Click to Display Table of Contents >> 当前位置:  调度任务 > 任务  增量导入数据

增量导入数据，即定期的按照某种条件生成数据集市文件。

执行增量导入数据时，默认会在与 bihome 同级 cloud 文件夹中生成相应的文件夹及文件前缀。以现实的例子说明，由于数据库中的数据可能会更改，故用户可创建增量导入数据任务每天八点对特定的数据集中的数据进行监视，以便用户及时作出处理。设定该任务后，每天八点将会在用户指定的文件夹中生成指定文件前缀的文件，此文件中载有数据库查询中的信息，用户通过这些文件即可了解数据的变动情况。

用户进行增量导入数据时，也可以在 bihome\bi.properties 中进行本地数据集市的配置。应在 bi.properties 中添加如下语句。

➢注意：用户需要把 c\:/cloud 更改成自己的路径，ip 需要更改成自己主机的 ip。在更改路径时，用户需要注意路径的格式，例如 c\:/cloud 不能写成 c\:cloud，也不能写成 c:\:\cloud。

新建增量导入数据的步骤如下：

1. 在新建作业的任务区域，或新建任务界面，选择任务类型为“增量导入数据”，如下图所示。

2. 在数据集列表中，选择已有的数据集，必填项。

3. 输入进行增量导入数据生成的数据集市文件夹名称，也可以选择已生成的数据集市文件夹，必填项。当用户输入或选择了一个已经存在的数据集市文件夹，系统会根据追加与否，给出重名提示，防止用户在未知情况下覆盖了已经存在的数据集市文件夹，删除了已经存在的数据集市文件，造成数据丢失。如下图所示：

4. 设定执行增量导入数据生成的文件名称。

5. 设置其他属性。

【维度表】当用户勾选维度表时，对于分布式系统的星形数据（一个大表，若干个小表），可以将小表的数据复制到每个 MapNode，执行 Mapsidejoin，用来提高数据的读取与处理速度。

【追加】当用户勾选追加时，生成的数据集市文件名将会进行排序。如用户创建一增量导入数据任务，即每天八点对某一数据集中的数据进行收集生成数据集市文件，第一天生成的文件名称为 test0，第二天生成的文件名称为 test1，以此类推。

当用户不勾选追加时，倘若当前系统中已经存在该集市文件夹，则会创建新的数据集市文件夹来替代。如用户创建一增量导入数据任务，即每天八点对某一数据集中的数据进行收集生成数据集市文件，第一天生成的文件放入文件夹 folder0 中，第二天会生成新的数据集市文件夹 folder0 来覆盖已经存在的文件夹以及文件。

【字典列】当用户选择以字典数据方式存储字符串列时，系统会将指定字符串列映射成数值型数据。对字符串列的部分计算和分组以数值型数据进行，从而达到提高处理速度，减少内存占用的目的。系统返回最终结果时，会将数值还原成对应字符串。

【分割】实现按列分割，并行导入集市的功能。当用户勾选分割时，会自动弹出分割对话框。分割类型分为平均分割和分组分割，平均分割只能选择一个分割列，分割份数为整数，如：3。分组分割不能填写分割份数，可以选择多个分割列。为了不影响导入数据的效率，建议分割列的列数不超过 10。分组分割可以自动生成 Meta 信息，以方便对数据集市中的数据进行过滤。其中，Meta 中的 key 为分割列对应的列名 ,Meta 中的 value 为分割列对应的值。当用户不勾选分割时，数据集市文件会按系统默认的设置进行生成。

6. 设置过滤条件。点击【编辑】按钮，弹出过滤器对话框，点击增加过滤条件，选择需要设置过滤的列，如下图所示。系统只会对满足过滤条件的数据执行增量导入动作。

 

7. 用户可通过脚本来实现对增量导入数据的控制。通过脚本用户可设定数据集市文件和数据集市文件夹的名称、传递参数、是否追加、以及设定数据集市文件的属性。在执行此任务时，脚本的优先级最高。

8.当作业类型为增量导入数据并且运行成功时 , 在当前作业界面和历史作业界面的结果" 成功 ” 后会出现可以触发导入到集市的数据文件对话框的图标。

系统对成功导入到集市中的数据自动添加时间信息，信息的格式为：作业触发时间 _ 作业名称。在新建数据集市数据集时，可以通过此 Meta 信息过滤出某一次导入到集市中的全部数据。

❖删除追加的增量数据

在当前作业状态页面中，允许用户删除最后一次成功导入到集市中的数据，而保留之前导入的数据。如果用户通过追加的方式，连续多次将数据导入到集市，其中第二次导入到集市中的数据有误，那么用户可以在历史作业状态页面找到对应的作业执行记录，打开任务运行结果对话框，删除此次导入到集市中的数据，而保留其他数据。