当前位置:首页 > 报告详情

FFA2024分论坛-流批一体.pdf

上传人: 可*** 编号:184571 2024-11-30 210页 31.70MB

1、Flink Materialized Table:构建流批一体 ETL刘大龙Apache Flink CommitterA User Story Of Data EngineerMaterialized Table 构建流批一体 ETLDemoA User Story Of Data Engineer构建企业级湖仓架构Data AnalyticsLakehouseODS原始数据DWD明细数据DWS汇总数据DashboardBI&ReportsData ScienceOSS但现实离线同步DataXBatch ETLQuickBIIcebergIcebergIcebergBatch ETL但现实离

2、线同步DataXIcebergIcebergIcebergBatch ETLBatch ETLQuickBI每天调度但现实却很复杂离线同步DataXBatch ETLQuickBIIcebergIcebergIcebergBatch ETL每天调度实时同步CanalStream ETLQuickBIStream ETLFlink数仓Stream ETLFlinkFlink但现实却很复杂两套引擎,两套代码,统计口径不一致!离线同步DataXIcebergIcebergIcebergBatch ETLBatch ETLQuickBI每天调度实时同步CanalQuickBIStream ETLFli

3、nkStream ETL数仓FlinkStream ETLFlinkSQL 代码不能复用,数据不一致流计算成本高,回刷低效两套存储、两套计算,成本高开发运维两套 Pipeline增量计算,一套架构批计算回刷代码无法复用问题总结Lambda架构Lakehouse架构Materialized Table 构建流批一体 ETLMaterialized Table:声明式 ETL 统一流批作业请添加标题字内容这是普通内容字请添加标题字内容这是普通内容字IngestMaterialized Table数据摄数据湖仓计算引擎业务逻辑CREATE MATERIALIZED TABLE customer_or

4、dersFRESHNESS=INTERVAL 1 MINUTEASSELECT*FROM ordersLEFT JOIN customersON orders.customer_id=customers.id;orders(Table)customers(Table)根据新鲜度自动选择流批模式自动刷新结果湖表业务时效性任意 QueryCREATE TABLE IF NOT EXISTS customer_orders(.);SET bizdate=20241125;INSERT OVERWRITE customer_ordersPARTITION(ds=$bizdate)ASSELECT*FR

5、OM ordersLEFT JOIN customersON orders.customer_id=customers.id;WHERE orders.ds=$bizdateALTER TABLE customer_ordersPARTITION(ds=$bizdate)MERGE SMALLFILES;调度周期/天(手工配置)CREATE MATERIALIZED TABLE customer_ordersPARTITION BY(ds)FRESHNESS=INTERVAL 1 MINUTEASSELECT*FROM ordersLEFT JOIN customersON orders.cu

6、stomer_id=customers.id;传统数仓 ETL新代流批体 ETL表管理T+1处理T+1处理件管理业务价值从命令式 ETL 到声明式 ETLMaterialized Table 让你更加专注业务价值SET bizdate=20241125;INSERT OVERWRITE customer_ordersPARTITION(ds=$bizdate)ASSELECT*FROM ordersLEFT JOIN customersON orders.customer_id=customers.id;WHERE orders.ds=$bizdateALTER MATERIALIZED TA

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。
本文主要介绍了基于Flink构建流批一体的实时湖仓。主要内容包括: 1. 实时湖仓发展趋势洞察,指出大数据进入实时化湖仓时代,湖仓架构(Lakehouse)得到业界及企业认可,并逐渐从试验走向规模落地。 2. 基于Flink构建流批一体的实时湖仓,利用Flink的流计算能力,结合OSS低成本存储构建Paimon,实现全链路实时化,兼顾compute和anlytics,覆盖从T+1d到T+1m场景。 3. Uniflow流批一体架构,简化复杂的Lambda架构,实现一套引擎、一套代码、一套存储,提高效率,降低成本。 4. 详细介绍了Flink Materialized Table、Flink CDC、Paimon等关键技术,实现全增量一体同步,支持流式刷新、增量刷新、全量刷新,满足不同业务时效性需求。 5. 实时湖仓具有低成本全链路实时化、流批存储计算统一、一套平台具备数据管理、调度、临时查询等能力等核心优势。
流批一体架构如何实现低成本全链路实时化? Flink Materialized Table如何实现流批作业的统一? 实时湖仓发展趋势下,企业如何应对数据的新鲜度及分析实时性要求?
客服
商务合作
小程序
服务号
折叠