ETL增量处理总结

1 LOG表

1.1 思路

用log表记录业务库某表yw_tableA发生变化数据的主键。数据进入BI库目标表bi_tableA前，先根据log表记录的主键进行delete。

1.2 设计

1.2.1 log表结构

CREATE TABLE  LOG
(
  key_1 VARCHAR(20),  --主键1
  key_2 VARCHAR(20),  --主键2
  tName VARCHAR(20),  --来源表
  updateDate DATE,  --更新日期
  loadDate DATE  --加载日期
);

1.2.2 etl流程

• yw_tableA中发生变化的数据，主键存入log，所有列存入BI库临时表tmp_bi_tableA（图1）；
• 根据log表，删除BI库bi_tableA中已存在数据（图2）；
• tmp_bi_tableA数据进入bi_tableA（图2）。

图1 业务数据进入日志和临时表

图2 目标表初始化以及临时表数据进入目标

1.2.3 附部分sql

--目标表初始化
delete from bi_tableA tg where exists (select 1 from tmp_bi_tableA tmp where tg.key1 = tmp.key1)

2 左关联（键比对、全表比对）

2.1 思路

业务库某表yw_tableA左关联BI库bi_tableA，可以关联上的舍弃；关联不上的进入目标表bi_tableA，然后对同一个业务主键多条进行处理（打上标记或delete）。比较适合小维表更新。

2.2 设计

2.2.1 目标表结构

create tabel bi_tableA
(
  physical_key int identity,  --物理键，自增
  logical_key varchar(20),   --业务键
  col1 varchar(20),  --其他列
  nowstate char(1),  --状态
  loadDate DATE  --加载日期
)

2.2.2 etl流程

• yw_tableA与bi_tableA主键或多列比对，得出需要进入目标表的记录，进入目标表bi_tableA；
• 目标表bi_tableA数据处理，删除或状态位。

图3 关联设计

2.2.3 附部分sql

--目标表状态更新（同一业务键记录保留最新）
update bi_tableA set nowstate='' where physical_key not in (select max(physical_key) from bi_tableA group by logical_key having count(physical_key) > 1 and nowstate='' )