Delta的真正用处和价值,你可知道

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";
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。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,511评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,495评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,595评论 0 225
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,558评论 0 190
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,715评论 3 270
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,672评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,112评论 2 291
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,837评论 0 181
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,417评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,928评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,316评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,773评论 2 234
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,253评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,827评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,440评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,523评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,583评论 2 249