1、小文件合并
通过org.apache.iceberg.actions.RewriteDataFiles来实现表的数据文件的合并,
需要开启
writetadata.delete-after-commit.enabled=true # 删除历史数据
writetadata.previous-versions-max=2 # 保留历史数据最大为2,加上最新数据,一共3个
2、分区覆盖的时候发现,不是对分区的数据进行覆盖,而是对全部数据进行覆盖
-- 建表(隐藏分区-按月进行分区)
create table ods.student(
id int,
odstime string
)
using iceberg
partitioned by (truncate(7, odstime))
tblproperties (
'format-version'='2',
'write.upsert.enabled'='true',
'engine.hive.enabled'='true',
'write.metadata.delete-after-commit.enabled'= true,
'write.metadata.previous-versions-max' = 1
);
-- 按照分区进行覆盖
insert overwrite table ods.student
select 1,'2024-10-12';
insert overwrite table ods.student
select 1,'2024-11-12';
--查询结果 数据是1,不满足需求
select count(1) from ods.student; --1
-- 开启动态分区覆盖
spark.sql.sources.partitionOverwriteMode=dynamic;
--插入数据
insert overwrite table ods.student
select 1,'2024-10-12';
insert overwrite table ods.student
select 1,'2024-11-12';
--查询结果 数据是2,满足需求
select count(1) from ods.student; --2