商业智能阶段的加载方法
loading method for the stage in business intelligence
晚安，
将原点传递到商业智能中的舞台基础时的查询加载方法是总计
或总计+增量，
我正在考虑删除所有数据并重新加载它，但如果它是一个非常大的数据库并且有很多记录将不是最佳选择。好的做法有什么建议？
我会感谢你的意见，
非常感谢，
I'm thinking of deleting all the data and reloading it, but if it were
a very large database and many records would not be optimal. What do
good practices suggest?
视情况而定。
许多公司更喜欢Delete-T运行分类模式，因为它很容易实现，而且只有在某些情况下数据量不是问题已验证（硬件、DBA..）
增量加载（或 Up-Sert 模式） 通常用于使两个系统之间的数据保持同步。它们用于将源数据重复加载到目标中的情况，例如每晚或全天。
增量数据加载的好处：
它们通常 运行 相当快，因为它们接触的数据更少。假设没有瓶颈，移动和转换数据的时间与接触的数据量成正比。如果您触及一半的数据，运行 时间通常会以类似的比例减少。
增量数据加载的缺点：
可维护性：满载时，如果出现错误，您可以重新 运行 整个加载，而无需在清理/准备过程中做很多其他事情。对于增量加载，文件通常需要按顺序加载。因此，如果您的一批有问题，其他人会排在后面，直到您更正为止。
TRUNCATING 然后 INSERTING 是两个操作，而 UPDATEing 是一个操作，使得 TRUNCATE 和 INSERT 花费（理论上）更多时间。
还有易用性因素。如果先截断再插入，则必须手动跟踪每个列值。如果你更新，你只需要知道你想改变什么。
晚安， 将原点传递到商业智能中的舞台基础时的查询加载方法是总计 或总计+增量，
我正在考虑删除所有数据并重新加载它，但如果它是一个非常大的数据库并且有很多记录将不是最佳选择。好的做法有什么建议？
我会感谢你的意见，
非常感谢，
I'm thinking of deleting all the data and reloading it, but if it were a very large database and many records would not be optimal. What do good practices suggest?
视情况而定。
许多公司更喜欢Delete-T运行分类模式，因为它很容易实现，而且只有在某些情况下数据量不是问题已验证（硬件、DBA..）
增量加载（或 Up-Sert 模式） 通常用于使两个系统之间的数据保持同步。它们用于将源数据重复加载到目标中的情况，例如每晚或全天。
增量数据加载的好处： 它们通常 运行 相当快，因为它们接触的数据更少。假设没有瓶颈，移动和转换数据的时间与接触的数据量成正比。如果您触及一半的数据，运行 时间通常会以类似的比例减少。
增量数据加载的缺点： 可维护性：满载时，如果出现错误，您可以重新 运行 整个加载，而无需在清理/准备过程中做很多其他事情。对于增量加载，文件通常需要按顺序加载。因此，如果您的一批有问题，其他人会排在后面，直到您更正为止。
TRUNCATING 然后 INSERTING 是两个操作，而 UPDATEing 是一个操作，使得 TRUNCATE 和 INSERT 花费（理论上）更多时间。
还有易用性因素。如果先截断再插入，则必须手动跟踪每个列值。如果你更新，你只需要知道你想改变什么。