Apache Iceberg 开源项目安装与使用指南
icebergApache Iceberg项目地址:https://gitcode.com/gh_mirrors/iceberg4/iceberg
目录结构及介绍
在克隆或下载了Apache Iceberg仓库之后,你会看到以下主要目录及其功能:
- iceberg-common 包含了其他模块使用的工具类。
- iceberg-api 提供公共API接口。
- iceberg-core 实现Iceberg的核心功能并支持Avro数据文件,是大多数处理引擎依赖的基础模块。
- iceberg-parquet 可选模块,用于操作基于Parquet文件的表格。
- iceberg-arrow 可选模块,用于将Parquet数据读取到Arrow内存中。
- iceberg-orc 可选模块,用于操作基于ORC文件的表格。
- iceberg-hive-metastore 实现通过Hive元数据存储客户端管理的Iceberg表格。
- iceberg-data 可选模块,用于直接从JVM工作环境中的表格进行操作。
除了上述核心模块之外,还有几个重要的文件和目录:
- .git 存储版本控制系统的信息。
- .github 包含Github相关的配置信息。
- build.gradle 是Gradle构建脚本的主要配置文件。
- settings.gradle 定义了所有子项目的名称和位置。
- tasks.gradle 自定义的Gradle任务配置。
- spotlessApply 脚本用于应用代码风格检查和修复。
- doc/ 存放项目文档、教程和发布说明等。
启动文件介绍
在Iceberg项目中,并没有传统意义上的“启动”概念,因为它不是一个应用程序或服务,而是一套库和工具集。然而,对于其开发和测试环境的搭建以及运行测试,你需要执行以下命令来完成初始化和构建过程:
-
初始化并构建整个项目,包括运行所有测试:
./gradlew build
-
构建项目但跳过测试(通常用于快速编译或部署):
./gradlew build -x test -x integrationTest
这些命令应当在项目根目录下执行。值得注意的是,在MacOS系统上,可能需要创建一个软链接以让测试识别docker socket:
```bash
sudo ln -s $HOME/.docker/run/docker.sock /var/run/docker.sock
```
配置文件介绍
Apache Iceberg项目中不直接包含外部可配置的属性文件,因为它的用途更偏向于作为不同大数据生态系统的库来被集成使用,而非独立运行的服务。但是,当Iceberg作为Spark、Flink或其他数据处理框架的一部分时,可以通过各种方式配置其行为,如通过Spark的spark.conf
或者Flink的flink-conf.yaml
。
例如,在Spark中,可以设置Iceberg的相关参数:
spark.sql.catalog.spark_catalog.type=hive // 使用Hive Metastore作为catalog
spark.sql.catalog.defaultCatalog=spark_catalog // 设置默认的catalog
spark.sql.catalog.spark_catalog.warehouse=my_warehouse_path // 指定表仓库路径
在实际的数据工程实践中,你可能会根据具体的使用场景和需求,自定义或修改相关组件的配置以优化性能或满足特定的功能要求。不过,所有的具体配置项都需要查阅对应生态系统的官方文档,因为它们并不是由Iceberg自身直接提供的。
icebergApache Iceberg项目地址:https://gitcode.com/gh_mirrors/iceberg4/iceberg