在使用 Tableau 时，面对体量较大的数据集，针对数据的增量更新与全量更新两种场景，应当分别采取哪些处理策略或方法？

回答思路

1. 【回答框架 1】增量更新与全量更新的本质区别：增量更新仅加载变化数据，效率高但实现复杂；全量更新重新加载整个数据源，简单但耗时长。Tableau 支持通过数据提取（extract）进行增量刷新，可以基于数据源中的日期字段或自定义逻辑来识别新增或修改的记录。
2. 【回答框架 2】实现增量更新的常见方法：使用 Tableau Desktop 创建数据提取时，选择“增量刷新”并设定基于日期的增量字段；或者通过 Tableau Prep 进行数据流处理，利用筛选和合并步骤实现只处理增量数据。对于数据库数据源，可以利用 Tableau 的“自定义 SQL”或“初始 SQL”来限定增量范围。
3. 【回答框架 3】全量更新的场景与优化：当数据量巨大且无法有效识别增量时，全量更新是兜底方案。可优化措施包括：使用 Tableau Server 或 Bridge 的调度功能，在业务低峰期执行全量刷新；优化源数据库的查询性能，如建立索引、分区；或考虑使用数据仓库的增量加载能力（如利用时间戳或水位线）来减少全量压力。
4. 【回答框架 4】还需注意 Tableau Server 中的数据提取刷新调度，可以设置完全刷新或增量刷新，并监控刷新日志。对于云数据源（如 Google BigQuery、Snowflake），可以充分利用其增量物化视图或流式摄取功能，通过 Tableau 的连接设置实现准实时更新。
5. 【关键点 1】增量更新通过提取非全部数据来提升效率，需依赖可识别变化的字段。
6. 【关键点 2】全量更新适用于无法细分增量的场景，但需规划好刷新时间和性能优化。
7. 【关键点 3】Tableau Prep 可以结合数据库特有功能（如时间戳）构建增量处理流程。
8. 【易错点 1】增量字段选择不当可能导致数据缺失，如时区问题或跨天更新。
9. 【易错点 2】过度依赖全量更新会造成服务器负载高和刷新时间长。
10. 【易错点 3】Tableau Server 刷新计划可能因数据源权限或连接问题导致失败，需监控日志。