当前位置:首页 > 报告详情

基于 Flink SQL + Paimon 构建流式湖仓新方.pdf

上传人: 2*** 编号:149554 2023-12-18 23页 23.32MB

1、 Flink SQL+Paimon Contents0102 Apache Paimon03Flink+Paimon 01 Hive Lakehouse操作方便 ACID Time Travel Schema Evolution查询更快 Fast Plan Data Skipping时效性好 Upsert 更新 流批一体HUDIIcebergData Lake(OSS/S3)LakehouseStreamingFlinkLakehouseFlinkLake StoreApache Iceberg Append Format V2 Flink Apache Hudi Flink Spark De

2、lta Lake Append MergeInto Flink Apache Paimon Flink Table Store Flink +SparkPosition Delete File Equality Delete File()Data File(Parquet/ORC)+LSM(RocksDB,Clickhouse,Doris,StarRocks)Apache Paimon02Paimon+LSMNew Future on CloudCDC Paimon Flink Streaming LSM Flink Table Store 2022.12023.12023.32023.9 H

3、udi 3 Flink Table Store 0.3 Apache Paimon 0.4 Apache CDC Append Paimon 0.5 Contributor100+Star1400+Fork570+*数据来自GitHub Paimon项目统计Paimon VS Hudi5 MORCOW ()03006009001200CP 5 CP 2 CP 1 CP 30 Paimon COWHudi COW12 X12 XHudi MOR ()0750150022503000BucketBucketPaimonHudi MOR4.2 X4 X2 X1 COW Hudi MOR Compac

4、tion Paimon Compaction14 X*来自阿里云测试数据Paimon Convergence of IT Infrastructure,Online Presence of Core Technologies Flink Data and Intelligence Capabilities of Business Applications1Paimon Hudi 3 7 3 Paimon300GB40GB32Paimon CDC CDC*来自阿里云测试数据Flink+Paimon 03 Data Lake(OSS/OSS-HDFS)流式更新入湖流读增量数据批读批写Hive CD

5、C 链路长,组件多,不稳定产出时延:天+合并延时全量增量割裂,存储浪费DataX/Sqoop全量同步(按需)Canal增量同步定时回流(天)定时合并(天)增量表 分区 T全量表 分区 T-1全量表 分区 T增量表 分区 T-1增量表 分区 T+1全量表 分区 T+1定时合并(天)Flink+Paimon CDC 简单稳定,一键同步数据分钟级实时可见全增量一体,存储复用Flink CDC全增量一体同步Paimon 主键表(不分区)Tag T-1Tag TTag T+1Time TravelConsumer S1New Snapshot GeneratingS2S3S4Snapshot Expir

6、ationDELETEStreaming ReadDELETEPaimon Consumer Failover Consumer 没读完,Snapshot 不会被清理无状态重启作业,消费进度依然在Caused by:java.io.FileNotFoundExceptionChangelog(Jason,1)Table(name,count,PRIMARY KEY(name)(Jason,2)(Jason,1)(Jason,2)Retract(Jason,1)Sumcount

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了Flink SQL与Paimon的结合,以及它们在数据处理和存储方面的优势。Flink SQL是一种基于Apache Flink的SQL引擎,能够实现流批一体的数据处理。Paimon,原名Apache Hudi,是一种先进的湖仓存储格式,支持快速的数据写入、读取和更新。 主要优势包括: 1. 操作方便:支持ACID事务、时间旅行和模式演化。 2. 查询更快:具备快速的计划生成和数据跳过能力。 3. 时效性好:支持Upsert更新操作,以及流批一体的数据处理。 4. 存储优化:采用LSM树存储结构,如RocksDB、ClickHouse等,提高存储效率。 此外,Flink + Paimon还支持CDC(Change Data Capture)技术,实现数据的一键同步和实时消费。与传统的Hive、DataX和Sqoop等工具相比,Flink + Paimon在数据同步和处理方面具有更高的效率和稳定性。 根据阿里云的测试数据,Flink + Paimon在性能和稳定性方面优于传统的Hudi和Flink Table Store。未来,Flink + Paimon有望在数据湖存储和实时数据处理领域发挥更大的作用。
如何实现流批一体的数据处理?" 谁更适合作为数据湖存储解决方案?" 如何实现高效、稳定的数据同步?"
客服
商务合作
小程序
服务号
折叠