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：

1. 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。

2. 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。

3. 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

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：

a. 过滤类型：选择“通配符”。

b. 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1-4 文件过滤

c. 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：

b. 修改时间：配置为2018-01-01 00:00:00（格式要求为yyyy-MM-dd HH:mm:ss）。

c. 重复文件处理方式：选择“跳过重复文件”。

d. 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。