paimon的四种changelog模式（3）-lookup模式

原创已于 2025-10-30 11:38:53 修改 · 1.5k 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#数据库 #大数据

于 2024-11-27 17:14:12 首次发布

paimon 专栏收录该内容

9 篇文章

订阅专栏

请先了解input模式和none模式，然后再看lookup模式

环境创建

 CREATE CATALOG fs_catalog WITH (
    'type'='paimon',
    'warehouse'='file:/data/soft/paimon/catalog'
);

USE CATALOG fs_catalog;

drop table if exists t_changelog_lookup;
 
CREATE TABLE t_changelog_lookup (
      age BIGINT,
      money BIGINT,
      hh STRING,
      PRIMARY KEY (hh) NOT ENFORCED
)WITH (
    'merge-engine' = 'deduplicate',
    'changelog-producer' = 'lookup'
);

paimon的snapshot和checkpoint之间的关系

一次snapshot会产生一个data文件
一次checkpoint会产生1-2个snapshot文件，要看这次checkpoint是否触发compaction，触发了就是2个data文件（一个是合并后的数据，一个本次checkpoint写入数据）,否则只有一个（本次checkpoint写入数据）
流式写入根据checkpoint间隔，定期进行checkpoint
批写（手动执行sql脚本）每一个sql会立即生成一次checkpoint效果

执行一次插入操作

insert into t_changelog_lookup values(10,1000,'1');

root@wsl01:/data/soft/paimon/catalog/default.db/t_changelog_lookup/bucket-0# ll
total 8
-rw-r–r-- 1 root root 1217 Nov 27 16:26 changelog-81638785-5ddb-41ba-893d-466b4166374a-0.parquet
-rw-r–r-- 1 root root 1217 Nov 27 16:26 data-f8c4281c-3453-46b2-a881-b893bb4ef0e4-0.parquet

changelog文件
在这里插入图片描述

data文件
在这里插入图片描述

相同主键，再执行一次插入操作

insert into t_changelog_lookup values(10,2000,'1');

root@wsl01:/data/soft/paimon/catalog/default.db/t_changelog_lookup/bucket-0# ll
total 20
-rw-r–r-- 1 root root 1362 Nov 27 16:30 changelog-66b5f009-9fed-4221-bf9d-253a5e324ffe-1.parquet
-rw-r–r-- 1 root root 1217 Nov 27 16:26 changelog-81638785-5ddb-41ba-893d-466b4166374a-0.parquet
-rw-r–r-- 1 root root 1217 Nov 27 16:30 data-4ec9395b-0856-4dc6-aac0-d5f3d597c481-0.parquet
-rw-r–r-- 1 root root 1217 Nov 27 16:30 data-66b5f009-9fed-4221-bf9d-253a5e324ffe-0.parquet
-rw-r–r-- 1 root root 1217 Nov 27 16:26 data-f8c4281c-3453-46b2-a881-b893bb4ef0e4-0.parque

changelog文件
lookup模式下changelog文件会先查询变更前的数据，然后和当前操作合并出一个changelog文件来
在这里插入图片描述

data文件

lookup模式下，从第二次写入开始，每次都会产生两个data文件，一个是本次操作数据，一个是本次操作COMPACT完成后的数据
为什么，input、none模式只有2个呢？

root@wsl01:/data/soft/paimon/catalog/default.db/t_changelog_lookup/snapshot# ll
total 16
-rw-r–r-- 1 root root 1 Nov 27 16:26 EARLIEST
-rw-r–r-- 1 root root 1 Nov 27 16:31 LATEST
-rw-r–r-- 1 root root 621 Nov 27 16:26 snapshot-1
-rw-r–r-- 1 root root 672 Nov 27 16:26 snapshot-2
-rw-r–r-- 1 root root 621 Nov 27 16:31 snapshot-3
-rw-r–r-- 1 root root 673 Nov 27 16:31 snapshot-4
cat这四个snapshot文件你会，发现执行一次APPEND操作后会执行一次COMPACT（合并）操作
root@wsl01:/data/soft/paimon/catalog/default.db/t_changelog_lookup/snapshot# cat snapshot-1
{
“version” : 3,
“id” : 1,
…
“commitKind” : “APPEND”,
…
}
root@wsl01:/data/soft/paimon/catalog/default.db/t_changelog_lookup/snapshot# cat snapshot-2
{
“version” : 3,
“id” : 1,
…
“commitKind” : “COMPACT”,
…
}
也就是说，lookup模式会在写入完成后，立即执行一次Compaction动作，所以才会产生双份了snapshot，才产生了两个data文件，一个是当前操作，一个是合并后数据

本次操作数据
在这里插入图片描述
本次操作完成后的数据

sqlclient 流式查询

-- Flink SQL
SET 'execution.runtime-mode' = 'streaming';

--设置检查点的间隔为10秒
SET 'execution.checkpointing.interval'='10 s';
set parallelism.default=1;

-- 使用changelog，展示op，操作类型
SET 'sql-client.execution.result-mode'='changelog';

-- 从当前快照开始，读取变化情况 
SELECT * FROM t_changelog_lookup;

在这里插入图片描述

-- 从ID=1的快照开始，读取变化情况 
SELECT * FROM t_changelog_lookup/*+ OPTIONS('scan.snapshot-id' = '1') */;

在这里插入图片描述

sqlclient 批查询

Flink SQL> SET 'sql-client.execution.result-mode'='tableau';
[INFO] Execute statement succeed.

Flink SQL> SET 'execution.runtime-mode' = 'batch';
[INFO] Execute statement succeed.

Flink SQL> SELECT * FROM t_changelog_lookup;
+-----+-------+----+
| age | money | hh |
+-----+-------+----+
|  10 |  2000 |  1 |
+-----+-------+----+
1 row in set

Flink SQL> SELECT * FROM t_changelog_lookup/*+ OPTIONS('scan.snapshot-id' = '1') */;
+-----+-------+----+
| age | money | hh |
+-----+-------+----+
|  10 |  1000 |  1 |
+-----+-------+----+
1 row in set

Flink SQL> SELECT * FROM t_changelog_lookup/*+ OPTIONS('scan.snapshot-id' = '2') */;
+-----+-------+----+
| age | money | hh |
+-----+-------+----+
|  10 |  2000 |  1 |
+-----+-------+----+
1 row in set

结论

changelog=lookup的情况下，一次checkpoint，产生两个data文件的同时（第一次只会产生一个），也会产生一个changelog文件
changelog文件内容，会查询变化前的数据，并对比变化后数据，自动生成一份chagelog。相比input模式，这就是lookup的最大区别，他会自己产生正确的changelog，而不管你的输入数据是否符合规范
lookup模式针对于不是cdc采集的表，而且要用于流式处理的表