数仓的同步策略

有时候在想，数仓中的表有同步策略，这个同步策略在哪里看呢？是建表语句吗？显然不是。是在sqoop中看参数。

全量同步: 查询最新的分区，就是所有的数据。
缺点就是:hdfs越来越大。

打个比方:
1月1号的数据，存到hdfs之后。
1月2号的数据，以及1月1号中发生变化的数据，存到对应1月2号的分区。
导数据的时候，导入分时候条件就是创建时间是1月1号的，或者是operate的时间是1月2的(1月1日或者更早的数据在1月2号修改了，那么这个时间就是1月2号)。
这样的话，就是导入的是新增得数据，以及和变化的数据。

具体的就是，业务数据从MySQL中导入hdfs的脚本里面，进行的指定条件。

这里面就是全量同步，从MySQL中，因为后面的条件是where 1=1，也就是无条件的导入，也就是全量的导入。

import_sku_info(){
  import_data sku_info "select 
                          id,
                          spu_id,
                          price,
                          sku_name,
                          sku_desc,
                          weight,
                          tm_id,
                          category3_id,
                          create_time
                        from sku_info where 1=1"
}