累加式負載設計模式是管理資料的解決方案。 此模式只會處理資料集中自上次載入執行以來已建立或修改的資訊。
增量載入會使用Adobe Experience Platform查詢服務提供的各種功能,例如匿名區塊和快照。 此設計模式會提高處理效率,因為會略過已從來源處理的任何資料。 它可同時用於串流和批次資料處理。
本檔案提供一系列指示,說明如何建立用於增量處理的設計模式。 這些步驟可用作範本,以建立您自己的增量資料載入查詢。
本檔案中的SQL範例需要您瞭解匿名區塊和快照集功能。 建議您閱讀 範例匿名區塊查詢 檔案以及 快照子句 說明檔案。
如需本指南使用之任何術語的指引,請參閱 SQL語法指南.
以下步驟示範如何使用快照和匿名區塊功能來建立和逐步載入資料。 設計模式可作為您自己的查詢序列的範本。
建立 checkpoint_log
資料表,用來追蹤最近用來成功處理資料的快照。 追蹤表格(checkpoint_log
在此範例中)必須先初始化為 null
以逐步處理資料集。
DROP TABLE IF EXISTS checkpoint_log;
CREATE TABLE checkpoint_log AS
SELECT
cast(NULL AS string) process_name,
cast(NULL AS string) process_status,
cast(NULL AS string) last_snapshot_id,
cast(NULL AS TIMESTAMP) process_timestamp
WHERE false;
填入 checkpoint_log
資料集有一個空白記錄的表格,需要累加處理。 DIM_TABLE_ABC
是要在以下範例中處理的資料集。 首次處理時 DIM_TABLE_ABC
,則 last_snapshot_id
已初始化為 null
. 這可讓您在第一次處理整個資料集時,以及之後逐步處理。
INSERT INTO
checkpoint_log
SELECT
'DIM_TABLE_ABC' process_name,
'SUCCESSFUL' process_status,
cast(NULL AS string) last_snapshot_id,
CURRENT_TIMESTAMP process_timestamp;
接下來,初始化 DIM_TABLE_ABC_Incremental
以包含已處理的輸出 DIM_TABLE_ABC
. 中的匿名區塊 必填 以下SQL範例的執行區段(如步驟1至4所述)會依序執行,以逐步處理資料。
from_snapshot_id
表示處理作業從何處開始。 此 from_snapshot_id
在此範例中,是從 checkpoint_log
搭配使用的表格 DIM_TABLE_ABC
. 初次執行時,快照ID將會是 null
這表示會處理整個資料集。to_snapshot_id
作為來源資料表的目前快照集ID (DIM_TABLE_ABC
)。 在此範例中,這是從來源表格的中繼資料表中查詢的。CREATE
要建立的關鍵字 DIM_TABLE_ABC_Incremenal
作為目的地表格。 目的地表格會儲存來自來源資料集的已處理資料(DIM_TABLE_ABC
)。 這允許來自來源表格的已處理資料介於 from_snapshot_id
和 to_snapshot_id
,以遞增方式附加至目的地表格。checkpoint_log
表格與 to_snapshot_id
用於來源資料,該資料 DIM_TABLE_ABC
已成功處理。此 history_meta('source table name')
是一種用於存取資料集中可用快照的便利方法。
$$ BEGIN
SET @from_snapshot_id = SELECT coalesce(last_snapshot_id, 'HEAD') FROM checkpoint_log a JOIN
(SELECT MAX(process_timestamp)process_timestamp FROM checkpoint_log
WHERE process_name = 'DIM_TABLE_ABC' AND process_status = 'SUCCESSFUL' )b
ON a.process_timestamp=b.process_timestamp;
SET @to_snapshot_id = SELECT snapshot_id FROM (SELECT history_meta('DIM_TABLE_ABC')) WHERE is_current = true;
SET @last_updated_timestamp= SELECT CURRENT_TIMESTAMP;
CREATE TABLE DIM_TABLE_ABC_Incremental AS
SELECT * FROM DIM_TABLE_ABC SNAPSHOT BETWEEN @from_snapshot_id AND @to_snapshot_id ;
INSERT INTO
checkpoint_log
SELECT
'DIM_TABLE_ABC' process_name,
'SUCCESSFUL' process_status,
cast( @to_snapshot_id AS string) last_snapshot_id,
cast( @last_updated_timestamp AS TIMESTAMP) process_timestamp;
EXCEPTION
WHEN OTHER THEN
SELECT 'ERROR';
END
$$;
在下列匿名區塊範例中使用增量資料載入邏輯,可允許源資料集的任何新資料(由於最近的時間戳記)以固定步調處理並附加至目的地表格。 在此範例中,資料變更為 DIM_TABLE_ABC
將會處理並附加至 DIM_TABLE_ABC_incremental
.
_ID
是兩者中的主索引鍵 DIM_TABLE_ABC_Incremental
和 SELECT history_meta('DIM_TABLE_ABC')
.
$$ BEGIN
SET @from_snapshot_id = SELECT coalesce(last_snapshot_id, 'HEAD') FROM checkpoint_log a join
(SELECT MAX(process_timestamp)process_timestamp FROM checkpoint_log
WHERE process_name = 'DIM_TABLE_ABC' AND process_status = 'SUCCESSFUL' )b
ON a.process_timestamp=b.process_timestamp;
SET @to_snapshot_id = SELECT snapshot_id FROM (SELECT history_meta('DIM_TABLE_ABC')) WHERE is_current = true;
SET @last_updated_timestamp= SELECT CURRENT_TIMESTAMP;
INSERT INTO DIM_TABLE_ABC_Incremental
SELECT * FROM DIM_TABLE_ABC SNAPSHOT BETWEEN @from_snapshot_id AND @to_snapshot_id WHERE NOT EXISTS (SELECT _id FROM DIM_TABLE_ABC_Incremental a WHERE _id=a._id);
INSERT INTO
checkpoint_log
SELECT
'DIM_TABLE_ABC' process_name,
'SUCCESSFUL' process_status,
cast( @to_snapshot_id AS string) last_snapshot_id,
cast( @last_updated_timestamp AS TIMESTAMP) process_timestamp;
EXCEPTION
WHEN OTHER THEN
SELECT 'ERROR';
END
$$;
此邏輯可套用至任何表格以執行增量載入。
快照中繼資料過期時間: 二 天。 過期的快照會讓上述指令碼的邏輯失效。
若要解決快照ID過期的問題,請在匿名區塊的開頭插入以下命令。 下列程式碼行會覆寫 @from_snapshot_id
具有最早可用的 snapshot_id
來自中繼資料。
SET resolve_fallback_snapshot_on_failure=true;
整個程式碼區塊如下所示:
$$ BEGIN
SET resolve_fallback_snapshot_on_failure=true;
SET @from_snapshot_id = SELECT coalesce(last_snapshot_id, 'HEAD') FROM checkpoint_log a JOIN
(SELECT MAX(process_timestamp)process_timestamp FROM checkpoint_log
WHERE process_name = 'DIM_TABLE_ABC' AND process_status = 'SUCCESSFUL' )b
on a.process_timestamp=b.process_timestamp;
SET @to_snapshot_id = SELECT snapshot_id FROM (SELECT history_meta('DIM_TABLE_ABC')) WHERE is_current = true;
SET @last_updated_timestamp= SELECT CURRENT_TIMESTAMP;
INSERT INTO DIM_TABLE_ABC_Incremental
SELECT * FROM DIM_TABLE_ABC SNAPSHOT BETWEEN @from_snapshot_id AND @to_snapshot_id WHERE NOT EXISTS (SELECT _id FROM DIM_TABLE_ABC_Incremental a WHERE _id=a._id);
Insert Into
checkpoint_log
SELECT
'DIM_TABLE_ABC' process_name,
'SUCCESSFUL' process_status,
cast( @to_snapshot_id AS string) last_snapshot_id,
cast( @last_updated_timestamp AS TIMESTAMP) process_timestamp;
EXCEPTION
WHEN OTHER THEN
SELECT 'ERROR';
END
$$;
閱讀本檔案後,您應該更瞭解如何使用匿名區塊和快照功能來執行增量載入,並可將此邏輯套用至您自己的特定查詢。 如需查詢執行的一般指引,請參閱 查詢服務中的查詢執行指南.