- 博客(2)
- 收藏
- 关注
原创 Apache Iceberg planTasks 流程分析
最近阅读了 Iceberg 项目中 FlinkSource 和 FlinkSink 的实现,上一篇文章[1]其实都有带过一笔,今天就总结下 Iceberg 如何做 plan 的,无论是数据读取或者小文件合并,都需要对底层文件进行 Scan 和 Plan,生成最后可供计算(如Flink、Spark)引擎或者查询(AP,如SparkSQL、Presto)引擎执行的 SubTasks,或者叫做 Splits,以此进行分布式并发计算。Iceberg 对比 Hudi 经常拿来说道的就是其 API 抽象更优雅,这里就介
2021-03-12 20:31:43 589
原创 数据湖 IncrementalPuller 实现分析
本文说讨论的IncrementalPuller是指 Hadoop 数据的增量查询,有两种场景,batch 模式下查询是指一次性返回所有或者有变化的数据,steaming 模式下查询是指连续返回所有数据并接着只返回有变化的数据,或者只返回有变化的数据,这取决于用户如何指定 increment scan 的 snapshot。IncrementalPuller 配合数据的 Row Level Delete(即数据的update、delete)即可以实现Incremental processing on...
2021-03-04 10:20:52 1556 4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人