《美团增量湖仓Beluga的架构设计与业务实践》.pdf

《《美团增量湖仓Beluga的架构设计与业务实践》.pdf》由会员分享，可在线阅读，更多相关《《美团增量湖仓Beluga的架构设计与业务实践》.pdf（23页珍藏版）》请在三个皮匠报告上搜索。

1、美团增量湖仓Beluga的架构设计与业务实践2025.03.29 北京快元中王萌萌美团数据湖架构团队负责人典型场景2.Beluga的架构与设计3.业务实践4.未来计划1.典型场景-ODS数据入湖 ODS数据语义：全量表、快照表、增量表占存储 可同时存在，物理上相互独立 workload特征：增量数据:存量数据=1:几百keyvaluectimek1v120250322 12:00:00k2v220250322 13:00:00k3v320250323 14:00:00k4v420250324 12:00:00k5v520250324 13:00:00keyvaluectimek1v120250

2、322 12:00:00k2v220250322 13:00:00k3v320250323 14:00:00k4v420250324 12:00:00k5v520250324 13:00:00dt=20250322dt=20250323dt=20250324keyvaluectimek1v120250322 12:00:00k2v220250322 13:00:00k1v120250322 12:00:00k2v220250322 13:00:00k3v320250323 14:00:00k1v120250322 12:00:00k2v220250322 13:00:00k3v32025032

3、3 14:00:00k4v420250324 12:00:00k5v520250324 13:00:00dt=20250322dt=20250323dt=20250324快照表全量表增量表典型场景-长周期历史数据更新问题：少数长尾数据的更新，需要对全量数据进行读写，IO放大严重，资源浪费典型场景-流批一体的生产业务数仓的子链路迁移至湖生产全局看同时存流、批下游核设计思路ODS数据入湖MOR，一表三模式长周期历史数据更新基于ChangeLog的计算流批一体的生产兼顾流批共存的读写负载典型场景2.Beluga的架构与设计3.业务实践4.未来计划1.架构概要基于Hudi 0.12，复用TimeLin

4、e设计存储底座：HDFSFileLayout：两层分桶设计，面向流、批不同负载独立的MetaServer服务：维护Timeline、Instant、Bucket等组织关系管理compaction、clean等表服务引擎生态：Flink、Spark、PrestoBeluga的设计-ODS场景一表三模式：基于某时间字段计算数据所属的时序分区 分区数据存在继承关系 分区创建时记录timeline上界 查询时，按需求的语义选择timeline区间，即下界，进一步完成数据的组织增量数据占比少：MOR，减少IO放大 有序数据结构：LSMTreeBaseFileLogFile1LogFile3dt=2024

5、1103BaseFileLogFile1dt=20241102RepairFiledt=20241101全量表快照表增量表LogFile3dt=20241103LogFile1dt=20241102LogFile0dt=20241101BaseFileLogFile1LogFile3LogFile2LogFile2LogFile2dt=20241101BaseFileLogFile0RepairFiledt=20241102LogFile1dt=20241103LogFile2LogFile3timelinedelta commitmajor compactdelta commitdelta

6、commitrepair commitBeluga的设计-ODS场景Beluga的设计-流批下游共存的兼容两级分桶：L0：面向流读流写，HFile，参与批读MORL1：面向批读批写，Parquet动态调整分桶数：计算compact同时计算是否需要rescale分桶数量；流读写：在compact提交后的新事务中，按新L0分桶组织文件，业务可按需调整作业并发；批读写：rescale后启动的批作业应用新的L1分桶数量作为并发Checkdone：标记数据就绪，启动下游批任务调度FileGroup00219-1FileGroup1219220-1FileGroup