“動態增量”是“增量導入數據”在9.1版本中新增的入集市的方式。

隨著數據量的增大，咱們入集市的方式漸漸的從“同步數據”變成“增量導入數據”，“增量導入數據”的優點大致有兩點：
1. 入集市的時候可以打上meta，查詢的時候按照meta進行查詢，加快查詢速度；
2. 采取每次追加部分數據的方式，跟“同步數據”每次全量數據入集市的方式相比，每天入集市任務的時間更短；數據庫處理的數據量更小，減少數據庫壓力。
?

同時，“增量導入數據”也并不能完全滿足咱們數據更新的需求。

一. 為什么要用“動態增量”？

舉個例子，某部門分析的是訂單數據，有歷史5年的訂單數據（2016年1月到2021年3月），歷史數據不會變化，只有最近3個月的數據會發生變化，每天想要查詢的歷史所有訂單數據（2016年1月到昨天的數據都可能會查詢）。

如果使用“增量導入數據”的“普通增量”，每天追加前一天的數據到集市中沒有問題，但是無法滿足“最近3個月的數據會變化”的場景，比如：咱們在2021年3月10號，將2021年3月9號的數據追加到集市中，但是到了11號的時候，9號的數據發生了變化。”普通增量”是沒有辦法對集市中已經變化的9號的數據進行update，或者說刪除9號的數據，重新導入。

這種時候“動態增量”就派上用場啦！

二. “動態增量”如何上市？

A. 歷史數據按月全量入（2021-03-01日進行）

(1) 需要一個sql數據集，查詢 表“某部門訂單數據”的全部數據，且需要有日期字段。sql語句中不用加其他where條件用于限制取哪段時間的數據。

（2）新建一個“動態增量”任務

文件夾：設置集市文件夾的名稱，需要有意義

更新依據列：需要是日期類型，如果不是日期類型，選擇旁邊的新建計算列，通過表達式的方式將非日期類型的日期列，轉換為日期類型。

咱們這里選擇“按時間范圍更新”，將歷史數據全部包含（比如咱們這里，在2021年3月1號的時候，歷史數據范圍是2020-01-01到2021-02-28），范圍選擇完成也可以看下面的提示更新范圍，更好理解，范圍是包含開始時間，但不包含結束時間。

實現的效果是歷史數據按月分割，不同月份的數據存儲在不同的集市文件中，并自動給集市數據加上meta,meta名為：_Date_Range_,meta值：數據對應的月份。

具體邏輯：一個任務，按照時間范圍（2020-01-01到本月(2021-03月)），按月進行分割，任務實際執行的時候，是按月入集市的，數據庫執行的sql，不是一條（select * from 某部門訂單數據），而是每個月一條。

B.每天更新最近3個月數據

(1) 2021-03-02號以及之后每天更新最近3個月數據

文件夾：還是跟之前保持一致

按周期進行更新，更新范圍：近2月到今天，也就是2021-01-01開始到今天

更新的效果是按月進行分割，刪除2021-01月到2021-02月的數據，追加生成2021-01月到2021-03月的數據。

一個完整的動態增量的實例就講完了，實際使用中咱們可以根據情況進行調整，總的來說動態增量可以實現某段時間的數據按月（按年或按日）進行分割入集市，并打上meta，同時，可以實現對已經入集市的數據進行按月（按年或按日）更新，更新最近一段時間，或者某段固定的時間范圍，更新的邏輯是刪除對應時間段的集市文件，然后生成新的。

最后咱們不得不提的是meta的使用，前面“動態增量”已經實現了分割入集市，并打上meta，咱們的目標實現了一半（減少入集市的時間）；還有另外一半（加快集市查詢），需要通過meta的使用，也就是文件過濾來實現。

fqj