云数据迁移 CDM云数据迁移 CDM

文档首页> 云数据迁移 CDM> 用户指南> 数据迁移进阶指导> 增量迁移> 文件增量迁移

更新时间：2021-08-06 GMT+08:00

查看PDF

文件增量迁移

CDM支持对文件类数据源进行增量迁移，全量迁移完成之后，第二次运行作业时可以导出全部新增的文件，或者只导出特定的目录/文件。

目前CDM支持以下文件增量迁移方式：

增量导出全部新增的文件
- 适用场景：源端和目的端数据源都为文件类型（OBS/OSS/HDFS/FTP/SFTP）。
- 关键配置：跳过重复文件+定时执行作业。
- 前提条件：无。
增量导出指定目录的文件
- 适用场景：源端数据源为文件类型（OBS/OSS/HDFS/FTP/SFTP），目的端没有要求。这种增量迁移方式，只追加写入文件，不会更新或删除已存在的记录。
- 关键配置：文件/路径过滤器+定时执行作业。
- 前提条件：源端目录或文件名带有时间字段。
增量导出指定时间以后的文件
- 适用场景：源端数据源为文件类型（OBS/OSS/HDFS/FTP/SFTP），目的端没有要求。这里的指定时间，是指文件的修改时间，当文件的修改时间晚于指定的时间，CDM才迁移该文件。
- 关键配置：时间过滤器+定时执行作业。
- 前提条件：无。

跳过重复文件

参数位置：在创建表/文件迁移作业时，如果源端和目的端数据源都为文件类型，那么目的端作业参数中可以看到“重复文件处理方式”参数，该参数可选择：替换重复文件、跳过重复文件或停止任务。
参数原理：当源端和目的端存在文件名、文件大小都相同的文件时，CDM才会判定该文件为重复文件。
配置样例：
1. 源目录或文件：配置为一个目录的路径，CDM可以将该目录下的所有文件导入到目的端。
2. 文件格式：选择“二进制格式”，CDM不解析文件直接原样复制，适合文件到文件的迁移。
3. 重复文件处理方式：选择“跳过重复文件”。
  图1 跳过重复文件
4. 配置作业定时自动执行。

这样就可以定期把新增的文件导入到目的端目录，实现增量同步。

文件/路径过滤器

参数位置：在创建表/文件迁移作业时，如果源端数据源为文件类型，那么源端作业参数的高级属性中可以看到“过滤类型”参数，该参数可选择：通配符或正则表达式。
参数原理：“过滤类型”选择“通配符”时，CDM就可以通过用户配置的通配符过滤文件或路径，CDM只迁移满足指定条件的文件或路径。
配置样例：
例如源端文件名带有时间字段“2017-10-15 20:25:26”，这个时刻生成的文件为“/opt/data/file_20171015202526.data”，则在创建作业时，参数配置如下：
1. 过滤类型：选择“通配符”。
2. 文件过滤器：配置为“*${dateformat(yyyyMMdd,-1,DAY)}*”（这是CDM支持的日期宏变量格式，详见使用时间宏变量完成增量同步）。
  图2 文件过滤
3. 配置作业定时自动执行，“重复周期”为1天。

这样每天就可以把昨天生成的文件都导入到目的端目录，实现增量同步。

文件增量迁移场景下，“路径过滤器”的使用方法同“文件过滤器”一样，需要路径名称里带有时间字段，这样可以定期增量同步指定目录下的所有文件。

时间过滤器

参数位置：在创建表/文件迁移作业时，如果源端数据源为文件类型，那么源端作业配置下的高级属性中，“时间过滤器”参数选择“是”。
参数原理：“修改时间”参数中输入一个时间值后，只有修改时间晚于该时间的文件才会被CDM迁移。
配置样例：
例如需要CDM只同步2018年11月2日以后生成的文件到目的端，则参数配置如下：
1. 时间过滤器：选择为“是”。
2. 修改时间：配置为2018-01-01 00:00:00（格式要求为yyyy-MM-dd HH:mm:ss）。
  图3 时间过滤器
3. 重复文件处理方式：选择“跳过重复文件”。
4. 配置作业定时自动执行。

这样CDM作业就只迁移2018年1月1日以后生成的文件，下次作业再启动时就可以实现增量同步。

父主题： 增量迁移

上一篇：增量迁移

下一篇：关系数据库增量迁移

相关文档

相关产品

意见反馈

文档内容是否对您有帮助？

很差较差一般较好非常好

提交成功！非常感谢您的反馈，我们会继续努力做到更好！

系统繁忙，请稍后重试

如您有其它疑问，您也可以通过华为云社区问答频道来与我们联系探讨

智能客服提问云社区提问

关闭导读