Delta的真正用处和价值,你可知道

栏目: 软件资讯 · 发布时间: 5年前

内容简介:应该说,Delta是最近几年Databricks开源的最有价值的东西。Databricks这几年对外致力于AI,对内则努力给客户提供一站式分析处理平台。这个一站式的核心是,内核包含了流和批的真正统一,那什么才是真正的流和批的统一呢?其中1,2两点Spark开源项目已经完成,而第三个,其实一直是没有一个好的开源项目完成的。功能上虽然很早就实现了,但是一直在DB内部作为商业产品databricks runtime的一部分来使用。不得不说,其实之前我们已经使用Parquet实现了统一,但这仅仅是格式上的统一,因为

前言

应该说,Delta是最近几年Databricks开源的最有价值的东西。Databricks这几年对外致力于AI,对内则努力给客户提供一站式分析处理平台。这个一站式的核心是,内核包含了流和批的真正统一,那什么才是真正的流和批的统一呢?

  1. 引擎内核统一

  2. API统一

  3. 数据存储统一

其中1,2两点Spark开源项目已经完成,而第三个,其实一直是没有一个好的开源项目完成的。功能上虽然很早就实现了,但是一直在DB内部作为商业产品databricks runtime的一部分来使用。

数据存储统一

不得不说,其实之前我们已经使用Parquet实现了统一,但这仅仅是格式上的统一,因为你唯一能做到的是:流写入的数据,批可以读。但是用过的人才知道真正的痛。对一个数据而言,我们不可避免会遇到如下问题:

  1. 并发写

  2. 一写多读

  3. 多版本管理

在没有delta之前,一个文件如果在写,此时其无论批或者流读和写都会存在问题。简直没办法忍。比如你要更新一个数据,这个时候读也受到影响,还怎么对外提供服务?当然,你可能总有办法绕过去,但骨子里还是因为数据没办法得到真正的统一。

另外就是一个很常用的场景,就是可能有流,有批都会往一个表写入数据,然后流实时读取(场景是实时报表)。这个之前也是做不到的。 有了Delta,这些都可以做了

实际场景演示下

MLSQL 1.3.0-SNAPHOT已经升级支持Spark 2.4.2,并且支持Delta。 下面我们用MLSQL Stack演示下如何使用Delta.

set rawText='''
{"content":"MLSQL是一个好的语言","label":0.0},
{"content":"Spark是一个好的语言","label":1.0}
{"content":"MLSQL语言","label":0.0}
{"content":"MLSQL是一个好的语言","label":0.0}
{"content":"MLSQL是一个好的语言","label":1.0}
{"content":"MLSQL是一个好的语言","label":0.0}
{"content":"MLSQL是一个好的语言","label":0.0}
{"content":"MLSQL是一个好的语言","label":1.0}
{"content":"Spark好的语言","label":0.0}
{"content":"MLSQL是一个好的语言","label":0.0}
''';

load jsonStr.`rawText` as orginal_text_corpus;

save append orginal_text_corpus as delta.`/tmp/delta/table1`;
load delta.`/tmp/delta/table1` as output;

这里,我们人工造了一些数据,用delta格式写入。

接着,我们启动一个流式程序读取delta表的新增数据:

-- the stream name, should be uniq.
set streamName="streamExample";

-- load data as table
load rate.`/tmp/delta/table1` as datasource;

select *  from datasource 
as table21;

-- output the the result to console.
save append table21  
as console.`` 
options mode="Append"
and duration="15"
and checkpointLocation="/tmp/cpl4";

注意,这里用的rate而不是delta。 其实本质上他们是一致的,只是为了方便程序区分是流和批。

不时点击下写入delta的脚本,这样产生新的数据,然后通过下面命令查看流程序的情况:

!show "progress/streamExample";
Delta的真正用处和价值,你可知道

在这里插入图片描述

总结

Delta为我们带来了一个流和批真正可以共用,并且可以并发读写的格式,除此之外,还做了大量的性能提升(包括提供新的索引),一个真正的数据湖便这么产生了。


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

CSS设计指南

CSS设计指南

史密斯 / 李松峰 / 人民邮电出版社 / 2013-5 / 59.00元

《图灵程序设计丛书:CSS设计指南(第3版)》是一本面向初中级读者的经典设计指南。全书共分8章,前4章分别介绍了HTML标记和文档结构、CSS工作原理、定位元素、字体和文本,对规则、声明、层叠、特指度、选择符等基本概念进行了详细解读。随后4章介绍了页面布局、界面组件,CSS3圆角、阴影、渐变、多背景等视觉设计技巧,最后还对如何实现最前沿的响应式设计进行了通俗易懂的演示。一起来看看 《CSS设计指南》 这本书的介绍吧!

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

随机密码生成器
随机密码生成器

多种字符组合密码

HTML 编码/解码
HTML 编码/解码

HTML 编码/解码