OLTP系统已归一化，并包含数百个表。在设计报告时，我们可能需要加入很多表。例如，我需要加入四到五个表，以便获得客户的电子邮件地址。（感谢我们使用的电信模型）
我正在尝试在HDFS（或S3）中设计一个数据仓库。
为了将Emaill地址和自定义ID写入Hive的表：我需要使用SQOOP导入命令将五个表中的整个数据提取到HDF中。然后，我需要在Hive中加入这些桌子。因此，此过程可能会持续很长时间以获取电子邮件信息。
或我可以使用SQOOP查询命令导入数据。这似乎更容易，并且将在HDF中占用更少的空间，但是在这种情况下，查询执行时间至关重要。
在类似情况下，您的选择是什么？您有其他方法吗？
谢谢
您应该考虑规范模式。例如。导入您可能需要使用SQOOP的所有表格，准备一个ETL过程，该过程将其符合为星模架并使用不符合的新模式进行查询。
例如。您应该瞄准一个"客户"表，其中电子邮件只是字段之一。