1） 数据摄取：您可以考虑使用sqoop
2） 增量更新：
可以通过配置单元外部表（hbase存储处理程序）使用hbase进行增量更新。
请看https://cwiki.apache.org/confluence/display/hive/hbaseintegration
也看看这个我的答案
像impala这样的选项是特定于平台的（cloudera），它可以重用hive元存储。但在查询处理方面比配置单元更快。
Impala 有一些关键的特征使得它的速度很快。
它不使用map/reduce，这在单独的jvm中是非常昂贵的。它运行单独的impala守护进程，该守护进程拆分查询并并行运行它们，最后合并结果集。
它在内存中执行大部分操作。
它使用hdfs来存储大文件，速度很快。它尽可能多地缓存从查询到结果再到数据。
它支持像parquet这样的新文件格式，即柱状文件格式。因此，如果您使用这种格式，那么对于大多数时间只访问少数列的查询，它会更快。

hadoop生态系统包括一个名为sqoop的工具，该工具的设计目的正是为了解决您描述的问题：将rdbms中的数据拉入hadoop。它支持几种进行增量更新的方法。它需要到数据库的jbdc或jndi连接，对于某些数据库，它可以使用高性能选项。它是hadoop中更好的工具之一。
当我说“into hadoop”时，这可能意味着几件事，但通常是a）存储在hadoop分布式文件系统（hdfs）上的一组文件，或者b）存储在hbase中的数据。从技术上讲，hbase只是在hdfs上存储文件的另一种方式。
hive是hdfs之上的一层，它允许您将导出到hdfs文件的rdbms表视为仍在sqlserver数据库中。嗯，有点。hive可以使用类似sql的语言查询多种文件格式。
hdfs有一个您需要了解的特殊挑战：无法像常规数据库那样更新行。hdfs文件是一种“一次写入多次读取”的设计。通常，您可以将一个数据集沿着某个自然分区分割成多个文件，这样，如果确实需要更新一个记录，您只需重写与该分区关联的文件——年+月是一种常见的分区方案。
因此，如果您使用的是一个记录永远不会更改的数据库，那么您可以简单地附加到hdfs文件中。这对于事务、日志或其他类似的数据来说是很好的，因为它通常不会被更改。但是更新的记录（例如客户姓名或电子邮件）会带来更大的问题。
hbase通过透明地管理对现有记录的更新，消除了hdfs的限制。但hbase是一个键值存储数据库；这个键可以是rdbms的主键，值必须是记录的其余部分。这并不可怕，但也可能很麻烦。
我相信hive上的最新版本（或者可能是impala，它在功能上与hive类似）允许更新，同时仍然以更灵活的格式存储数据。
所以sqoop是你想要的工具，但是仔细想想，一旦数据进入hadoop，你想对它做什么——这是一件非常非常不同的事情，而不仅仅是一个可以变得非常大的数据库。