背景:需要将9亿保单数据同步到hive中,但由于oracle并发限制,一晚上每天只能2亿左右;
解决方法:1. 首先有一个增量同步程序,通过update_date同步每天的增量数据
2.初始化历史数据,通过显示update_date的时间范围,将每个月的数据量作为一个批次同步;每晚可以同步很多个批次(设置时间检查:白天时间段禁止同步)
3.比对:将初始化的数据和增量数据比对,重复的数据取增量同步的为准,进行入表中;
问题:遇到数据块过时,由于一个开始通过加大并发,一晚上计划同步完,导致9亿的数据在同步时已经拿到的数据块会在sqoop导入时过时,导致无法继续同步;