面试题目:ETL 什么时候用全量抽取，什么时候用增量抽取？

Question

在项目中做抽取时，什么时候用全量，什么时候用增量

Answer 1

在根据用户需求选择需要抽取的字段之外，我们通常需要选择采用全量或者增量的方法进行数据抽取。全量抽取指的是从源系统中将表内数据不加行的筛选，全部抽取；增量抽取指的是只抽取前次抽取之后发生变化或者新增的数据（增量抽取的数据难度较大，要保证数据不能多抽取，漏抽取）。
  在源表数据量较大，大部分数据一经入库改动可能较小时一般采用增量抽取的方式；对于表数量较小或者维表这类情况会进行增量抽取。
  对表进行增量抽取时，需要较好的判别出新增或者发生变化的数据，在系统设计时，常见的有下面两种方法：
  1. 触发器方法： 当需要抽取的表中发生新增、修改、删除时，触发触发器，触发器将数据插入临时表，之后抽取只抽取临时表，抽取时对临时表数据打标记或者删除。
  2. 时间戳方法：
在源系统表中增加一个时间戳字段，在用户对这条记录进行增删改查时，更新时间戳，进行数据抽取时使用时间戳来判断这条记录是否要抽取。加时间戳优点为抽取相对简单，但是对源系统依赖较强。
  全量抽取出来的表对数据仓库进行更新时，可采用全表删除的方法，优点在于简单快捷，但是如果需要保留修改记录时，需要采用数据快照设计；增量抽取出来的表对数据库进行更新，可以使用merge的方式进行更新操作，这种方法逻辑较复杂，速度较慢，且要求源表主键能够匹配识别。