常见的数据提取模式有四种。 全覆盖提取，全量添加，增量和增量滚动。
假设全覆盖例子第一天源代码库中有100个数据，第二天添加了10个源代码库，则源代码库为110个。 那么，第一天提取：目标库为100个，第二天提取时删除昨天提取的100个，再次提取。 此时，目标库也有110个。
优点:理解简单，数据质量好，适用于小数据量表格。
缺点:大数据量占用资源，且提取速度慢。
结论:全覆盖提取、提取的时间始终与源库数据一致。 封面是先删除再复制的过程。
全部添加例子天的源代码库中有100个数据，第二天的源代码库中添加10个、110个源代码库。 在中，第一天提取100个目标库，第二天提取110个源库中的数据，但不删除昨天的数据。 所以第二天目标库的数据是210条。
优点:可以帮助原始库存历史数据。 源表仅存储当天的最新数据，而多个目标库可以使用每天的最新数据存储作为历史记录库。
缺点:对源数据质量要求极高，如果源数据有问题，提取一次就无法修复。
结论:全部追加提取后，数量会比原始数据多。 不删除添加的过程。
增量例子:提供订单表单，其中包含订单创建时间字段。 目前，该表有100份5月1日至5月6日的数据。 执行增量提取，假设增量字段为订单创建时间。 在中，第一次提取会将100个数据全部复制到数量中，并在此时将目标库中的100个数据复制到数量中。 第二次提取：向源添加10个数据，订单创建日期为5月7日。 此时，目标库的最大日期为5月6日，源库的最大日期为5月7日。 有多个源大于5月6日且5月7日以下的数据被复制。 也就是说，增加的10起。 在这种情况下，目标库中的数据为110天。 第三次提取：源增加10个数据，其中5个数据为5月7日，5个数据为5月8日。 那么，此时提取。 目标库的最大日期为5月7日，而源库的最大日期为5月8日。 有多个复制源大于5月7日且小于或等于5月8日的数据。 也就是说，增加了5瓶。
优点:针对数据增量处理，适用于资源小、历史数据稳定的大数据量表。
缺点:设置复杂，无法更新历史数据，只能手动重新运行。
结论:增量拉动需要增量密钥。 提取根据增量键确定增量数据部分。
增量滚动的增量滚动可以理解为特殊的增量提取。 执行提取时，首先在特定时间范围内删除数据。 然后，运行增量提取的比较逻辑。
优点:可以定期追溯
缺点:设置复杂，无法更新历史数据，只能手动重新运行。
结论:增量滚动提取需要增量键。 提取首先删除特定的时间范围，然后根据增量键确定增量数据的部分。