从DLI导入数据到OBS，为什么数据量出现差异？

问题现象

使用DLI插入数据到OBS临时表文件，数据量有差异。

根因分析

出现该问题可能原因如下：

• 作业执行过程中，读取数据量错误。
• 验证数据量的方式不正确。

通常在执行插入数据操作后，如需确认插入数据量是否正确，建议通过查询语句进行查询。

如果OBS对存入的文件数量有要求，可以在插入语句后加入“DISTRIBUTE BY number”。例如，在插入语句后添加“DISTRIBUTE BY 1”，可以将多个task生成的多个文件汇总为一个文件。

操作步骤

1. 在管理控制台检查对应SQL作业详情中的“结果条数”是否正确。 检查发现读取的数据量是正确的。
   图1 检查读取的数据量
   

2. 确认客户验证数据量的方式是否正确。客户验证的方式如下：
   1. 通过OBS下载数据文件。
   2. 通过文本编辑器打开数据文件，发现数据量缺失。

   根据该验证方式，初步定位是因为文件数据量较大，文本编辑器无法全部读取。

   通过执行查询语句，查询OBS数据进一步进行确认，查询结果确认数据量正确。

   因此，该问题为验证方式不正确造成。

参考信息

插入数据的SQL语法，请参考《数据湖探索Spark SQL语法参考》。