从源数据导入到数据仓库或者贴源层有两种方式: * 从源数据拉取数据（pull） * 请求源数据推送到数据仓库（push）。 一般来讲，后一种方式需要增加业务系统的功能才能进行推送，这个在现实情况中不大行的通，一方面影响业务系统的性能，另一方面增加开发者的工作量，理论上讲，数据仓库不应该要求对源系统做任何的改造，因此一般都采用拉取数据的方式。 <br/> 确定了数据的抽取方式，还需要确定数据的抽取类型，抽取类型有两种：全量抽取和增量抽取。 <br/> **全量抽取：** （1）即数据按批次导入，并且每次导入都会覆盖上一次导入的数据。 （2）Sqoop提供了`hive-overwrite`参数来完成全量抽取。 （3）如果数据量小并且容易处理，一般采用全量抽取即可。 <br/> **增量抽取：** （1）即每次都是将数据按一定的规则追加到已有数据的后面。 （2）Sqoop提供了两种增量导入方式`append`和`lastmodified`，Sqoop的增量导入一个就如下三个参数： ``` --check-column <column> 增量导入参考的列 --incremental <import-type> 导入类型， 'append' or 'lastmodified' --last-value <value> check-column的最大值，就是数据要追加的规则 比如是日期，则规则就是将数据导入到最后修改时间的数据的后面 ``` （3）如果数据量很大，就只能抽取变化的源数据，即最后一次抽取以来发生了变化的数据。这种数据抽取模式称为变化数据捕获，简称 **CDC**（change data caputer）。