实时数据湖-Merge On Read

wulei.cnvip

已于 2022-09-15 13:18:40 修改

阅读量3k

点赞数 1

分类专栏： Apache Iceberg 原理与实践 Apache Hudi 原理与实践文章标签： java 大数据数据库

于 2021-01-08 10:17:32 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/wuleidaren/article/details/112345927

版权

Apache Iceberg 原理与实践同时被 2 个专栏收录

6 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

Apache Hudi 原理与实践

3 篇文章

订阅专栏

本文介绍了Hudi中的MOR（Merge On Read）概念，特别是针对近实时视图的实现逻辑，通过HoodieRealtimeRecordReader进行base和delta文件的合并。此外，详细阐述了Presto如何集成Hudi，利用HoodieParquetRealtimeInputFormat实现近实时查询。最后对比了Iceberg，指出Iceberg目前不支持MOR，但未来可能根据Row-Level Delete的实现方式考虑支持。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Hudi

按照我的理解，我们一般所说的 MOR 与 Hudi 中的 MOR 不同，我们强调的是 query，而 Hudi 中指的是 table type。Hudi 中真正对应的我们的是视图（query type）中的近实时视图（Snapshot Queries）：

在此视图上的查询将查看某个增量提交操作中数据集的最新快照。该视图通过动态合并最新的基本文件(例如parquet)和增量文件(例如avro)来提供近实时数据集（几分钟的延迟）。

当前支持 Hudi 近实时视图的查询引擎如下图
在这里插入图片描述

Hudi 实时视图相关逻辑

实现类：HoodieRealtimeRecordReader -> RealtimeCompactedRecordReader

我们可以从 testReaderWithNestedAndComplexSchema() 这个测试方法中看到完整的 Snapshot Queries 的过程：

构建 HoodieRealtimeFileSplit，其中包含了 baseFilePath 、logFil

了解本专栏

超级会员免费看

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。