數據湖-Apache Hudi
Hudi特性 數據湖處理非結構化數據、日志數據、結構化數據 支持較快upsert/delete, 可插入索引 Table Schema 小文件管理Compaction ACID語義保證,多版本保證 並具有回滾功能 savepoint 用戶數據 ...
原文：使用Apache Spark和Apache Hudi構建分析數據湖
. 引入 大多數現代數據湖都是基於某種分布式文件系統 DFS ，如HDFS或基於雲的存儲，如AWS S 構建的。遵循的基本原則之一是文件的 一次寫入多次讀取 訪問模型。這對於處理海量數據非常有用，如數百GB到TB的數據。 但是在構建分析數據湖時，更新數據並不罕見。根據不同場景，這些更新頻率可能是每小時一次，甚至可能是每天或每周一次。另外可能還需要在最新視圖 包含所有更新的歷史視圖甚至僅是最新增量 ...
2020-06-15 09:27 0 3251 推薦指數：
相關推薦
字節跳動基於Apache Hudi構建EB級數據湖實踐
來自字節跳動的管梓越同學一篇關於Apache Hudi在字節跳動推薦系統中EB級數據量實踐的分享。 接下來將分為場景需求、設計選型、功能支持、性能調優、未來展望五部分介紹Hudi在字節跳動推薦系統中的實踐。 在推薦系統中，我們在兩個場景下使用數據湖 我們使用 ...
基於Apache Hudi構建數據湖的典型應用場景介紹
1. 傳統數據湖存在的問題與挑戰 傳統數據湖解決方案中，常用Hive來構建T+1級別的數據倉庫，通過HDFS存儲實現海量數據的存儲與水平擴容，通過Hive實現元數據的管理以及數據操作的SQL化。雖然能夠在海量批處理場景中取得不錯的效果，但依然存在如下現狀問題： 問題一：不支持事務 由於傳統 ...
Apache Hudi 在 B 站構建實時數據湖的實踐
簡介： B 站選擇 Flink + Hudi 的數據湖技術方案，以及針對其做出的優化。 本文作者喻兆靖，介紹了為什么 B 站選擇 Flink + Hudi 的數據湖技術方案，以及針對其做出的優化。主要內容為： 傳統離線數倉痛點 數據湖技術方案 Hudi 任務穩定性 ...
Uber基於Apache Hudi構建PB級數據湖實踐
1. 引言 從確保准確預計到達時間到預測最佳交通路線，在Uber平台上提供安全、無縫的運輸和交付體驗需要可靠、高性能的大規模數據存儲和分析。2016年，Uber開發了增量處理框架Apache Hudi，以低延遲和高效率為關鍵業務數據管道賦能。一年后，我們開源了該解決方案，以使得其他有需要的組織 ...
使用Apache Hudi + Amazon S3 + Amazon EMR + AWS DMS構建數據湖
1. 引入 數據湖使組織能夠在更短的時間內利用多個源的數據，而不同角色用戶可以以不同的方式協作和分析數據，從而實現更好、更快的決策。Amazon Simple Storage Service（amazon S3）是針對結構化和非結構化數據的高性能對象存儲服務，可以用來作為數據湖底層的存儲服務 ...
使用Apache Hudi構建大規模、事務性數據湖
一個近期由Hudi PMC & Uber Senior Engineering Manager Nishith Agarwal分享的Talk 關於Nishith Agarwal更詳細的介紹，主要從事數據方面的工作，包括攝取標准化，數據湖原語等。 什么是數據湖？數據湖是一個集中式 ...
基於Apache Hudi 的CDC數據入湖
作者：李少鋒 文章目錄： 一、CDC背景介紹 二、CDC數據入湖 三、Hudi核心設計 四、Hudi未來規划 1. CDC背景介紹 首先我們介紹什么是CDC？CDC的全稱是Change data Capture，即變更數據捕獲，它是數據庫領域非常常見的技術，主要用於捕獲數據庫的一些 ...