概述
为了解决数据存储和计算引擎之间的适配的问题,Netflix 开发了 Iceberg,2018 年 11月 16 日进入 Apache 孵化器,2020 年 5 月 19 日从孵化器毕业,成为 Apache 的顶级项目。Iceberg 是一个面向海量数据分析场景的开放表格式(Table Format)。表格式(TableFormat)可以理解为元数据以及数据文件的一种组织方式,处于计算框架(Flink,Spark…)之下,数据文件之上。
特性
-
数据存储、计算引擎插件化
Iceberg 提供一个开放通用的表格式(Table Format)实现方案,不和特定的数据存储、计算引擎绑定。目前大数据领域的常见数据存储(HDFS、S3…),计算引擎(Flink、Spark…)都可以接入 Iceberg。在生产环境中,可选择不同的组件搭使用。甚至可以不通过计算引擎,直接读取存在文件系统上的数据。 -
实时流批一体
Iceberg 上游组件将数据写入完成后,下游组件及时可读,可查询。可以满足实时场景. 并且 Iceberg同时提供了流/批读接口、流/批写接口。可以在同一个流程里, 同时