cms三合一网站源码,网站建设一条龙服务,wordpress 换主题,wordpress apache版本号目录 教程来源于尚硅谷1. 简介1.1 概述1.2 特性 2. 存储结构2.1 数据文件(data files)2.2 表快照(Snapshot)2.3 清单列表(Manifest list)2.4 清单文件(Manifest file)2.5 查询流程分析 3. 与Flink集成3.1 环境准备3.1.1 安装Flink3.1.2 启动Sql-Client 3.2 语法 教程来源于尚硅… 目录 教程来源于尚硅谷1. 简介1.1 概述1.2 特性 2. 存储结构2.1 数据文件(data files)2.2 表快照(Snapshot)2.3 清单列表(Manifest list)2.4 清单文件(Manifest file)2.5 查询流程分析 3. 与Flink集成3.1 环境准备3.1.1 安装Flink3.1.2 启动Sql-Client 3.2 语法 教程来源于尚硅谷
1. 简介
1.1 概述
Iceberg是一个面向海量数据分析场景的开放表格式Table Format。表格式Table Format可以理解为元数据以及数据文件的一种组织方式处于计算框架FlinkSpark…之下数据文件(orc, parquet)之上。这一点与Hive有点类似hive也是基于HDFS存储、MR/SPARK计算引擎将数据组织成一种表格式提供Hive Sql对数据进行处理。
但iceberg与hive还是有很大的不同iceberg具有以下很多特性。
1.2 特性 实时流批一体 Iceberg上游组件将数据写入完成后下游组件及时可读可查询可以满足实时场景。相对于kafka实现了存储层的持久化但相对地会比kafka的实时性低。并且Iceberg结合Flink等计算引擎提供了流/批读接口、流/批写接口。可以在同一个流程里, 同时处理流数据和批数据大大简化了ETL链路。 模式演化 Iceberg保证模式演化Schema Evolution是没有副作用的独立操作流程, 一个元数据操作, 不会涉及到重写数据文件的过程。 在表中Iceberg 使用唯一ID来定位每一列的信息。新增一个列的时候,会新分配给它一个唯一ID, 并且绝对不会使用已经被使用的ID。 使用名称或者位置信息来定位列的, 都会存在一些问题, 比如使用名称的话,名称可能会重复, 使用位置的话, 不能修改顺序并且废弃的字段也不能删除。 分区演化 Iceberg可以在一个已存在的表上直接修改因为Iceberg的查询流程并不和分区信息直接关联。 当我们改变一个表的分区策略时对应修改分区之前的数据不会改变, 依然会采用老的分区策略新的数据会采用新的分区策略也就是说同一个表会有两种分区策略旧数据采用旧分区策略新数据采用新新分区策略, 在元数据里两个分区策略相互独立不重合。 隐藏分区 Iceberg的分区信息并不需要人工维护, 它可以被隐藏起来. 不同其他类似Hive 的分区策略, Iceberg的分区字段/策略通过某一个字段计算出来可以不是表的字段和表数据存储目录也没有关系。在建表或者修改分区策略之后新的数据会自动计算所属于的分区。在查询的时候同样不用关系表的分区是什么字段/策略只需要关注业务逻辑Iceberg会自动过滤不需要的分区数据。 时间旅行(Time Travel) Iceberg提供了查询表历史某一时间点数据镜像snapshot的能力。 支持事务ACID Iceberg通过提供事务ACID的机制使其具备了upsert的能力并且使得边写边读成为可能从而数据可以更快的被下游组件消费。通过事务保证了下游组件只能消费已commit的数据而不会读到部分甚至未提交的数据。 文件级数据管理 Iceberg的元数据里面提供了每个数据文件的一些统计信息比如分区信息、各字段最大值最小值Count计数等等。因此查询SQL的过滤条件除了常规的分区列过滤甚至可以下推到文件级别(hive只能定位到目录级别因为分区是以目录的形式存在的)大大加快了查询效率。
2. 存储结构 2.1 数据文件(data files)
数据文件是Apache Iceberg表真实存储数据的文件一般是在表的数据存储目录的data目录下如果我们的文件格式选择的是parquet,那么文件是以“.parquet”结尾。
2.2 表快照(Snapshot)
快照代表一张表在某个时刻的状态。每个快照里面会列出表在某个时刻的所有 data files 列表。data files是存储在不同的manifest files里面manifest files是存储在一个Manifest list文件里面而一个Manifest list文件代表一个快照。
2.3 清单列表(Manifest list)
manifest list是一个元数据文件它列出构建表快照Snapshot的清单Manifest file。这个元数据文件中存储的是Manifest file列表每个Manifest file占据一行。每行中存储了Manifest file的路径、其存储的数据文件data files的分区范围增加了几个数文件、删除了几个数据文件等信息这些信息可以用来在查询时提供过滤加快速度。
2.4 清单文件(Manifest file)
Manifest file也是一个元数据文件它列出组成快照snapshot的数据文件data files的列表信息。每行都是每个数据文件的详细描述包括数据文件的状态、文件路径、分区信息、列级别的统计信息比如每列的最大最小值、空值数等、文件的大小以及文件里面数据行数等信息。其中列级别的统计信息可以在扫描表数据时过滤掉不必要的文件。
2.5 查询流程分析
读取元数据文件 .metadata.json获取当前最新的快照信息知道对应的manifest-list路径读取manifest-list获取多个manifest-flie信息路径读取manifest-flie获取具体数据文件的位置读取数据文件
3. 与Flink集成
3.1 环境准备
3.1.1 安装Flink
Flink 版本Iceberg 版本1.110.9.0 – 0.12.11.120.12.0 – 0.13.11.130.13.0 – 1.0.01.140.13.0 – 1.1.01.150.14.0 – 1.1.01.161.1.0 – 1.1.0下载对应环境的jar包
tar -zxvf flink-1.16.0-bin-scala_2.12.tgz -C /opt/module/配置环境变量
sudo vim /etc/profile.d/my_env.sh
---------------------------------------------------------
export HADOOP_CLASSPATHhadoop classpath
---------------------------------------------------------
source /etc/profile.d/my_env.sh拷贝iceberg的jar包到Flink的lib目录
cp /opt/software/iceberg/iceberg-flink-runtime-1.16-1.1.0.jar /opt/module/flink-1.16.0/lib3.1.2 启动Sql-Client
1修改flink-conf.yaml配置
vim /opt/module/flink-1.16.0/conf/flink-conf.yamlclassloader.check-leaked-classloader: false
taskmanager.numberOfTaskSlots: 4state.backend: rocksdb
execution.checkpointing.interval: 30000
state.checkpoints.dir: hdfs://localhost:8020/ckps
state.backend.incremental: true2local模式
vim /opt/module/flink-1.16.0/conf/workers
#表示会在本地启动3个TaskManager的 local集群
localhost
localhost
localhost启动
/opt/module/flink-1.16.0/bin/start-cluster.sh/opt/module/flink-1.16.0/bin/sql-client.sh embedded3.2 语法
创建数据库
CREATE DATABASE iceberg_db;
USE iceberg_db;创建表
CREATE TABLE hive_catalog.default.sample (id BIGINT COMMENT unique id,data STRING
);1创建分区表
CREATE TABLE hive_catalog.default.sample (id BIGINT COMMENT unique id,data STRING
) PARTITIONED BY (data);Apache Iceberg支持隐藏分区但Apache flink不支持在列上通过函数进行分区现在无法在flink DDL中支持隐藏分区。 2使用LIKE语法建表 LIKE语法用于创建一个与另一个表具有相同schema、分区和属性的表。
CREATE TABLE hive_catalog.default.sample (id BIGINT COMMENT unique id,data STRING
);CREATE TABLE hive_catalog.default.sample_like LIKE hive_catalog.default.sample;修改表 1修改表属性
ALTER TABLE hive_catalog.default.sample SET (write.format.defaultavro);2修改表名
ALTER TABLE hive_catalog.default.sample RENAME TO hive_catalog.default.new_sample;删除表
DROP TABLE hive_catalog.default.sample;INSERT INTO
INSERT INTO hive_catalog.default.sample VALUES (1, a);
INSERT INTO hive_catalog.default.sample SELECT id, data from sample2;INSERT OVERWRITE 仅支持Flink的Batch模式
SET execution.runtime-mode batch;INSERT OVERWRITE sample VALUES (1, a);INSERT OVERWRITE hive_catalog.default.sample PARTITION(dataa) SELECT 6;UPSERT 当将数据写入v2表格式时Iceberg支持基于主键的UPSERT。有两种方法可以启用upsert。 注意当前虽然支持了upsert但是做法并不优雅例如之前是(1,’a’)插入了一条(1,’b’)是把(1,’a’)标记deleted再新增一个数据文件所以其实是有两个数据文件的产生在实际生产中如果比较频繁地进行upsert是会有性能问题的。 缓解措施调大checkpoint间隔、定时执行合并小文件快照过期等操作 1建表时指定
CREATE TABLE hive_catalog.test1.sample5 (id INT UNIQUE COMMENT unique id,data STRING NOT NULL,PRIMARY KEY(id) NOT ENFORCED
) with (
format-version2,
write.upsert.enabledtrue
);2插入时指定
INSERT INTO tableName /* OPTIONS(upsert-enabledtrue) */插入的表format-version需要为2。 OVERWRITE和UPSERT不能同时设置。在UPSERT模式下如果对表进行分区则分区字段必须也是主键。
Batch模式查询
SET execution.runtime-mode batch;
select * from sample;Streaming模式查询
SET execution.runtime-mode streaming;
SET table.dynamic-table-options.enabledtrue;
SET sql-client.execution.result-modetableau;#从当前快照读取所有记录然后从该快照读取增量数据
SELECT * FROM sample5 /* OPTIONS(streamingtrue, monitor-interval1s)*/ ;#读取指定快照id不包含后的增量数据
SELECT * FROM sample /* OPTIONS(streamingtrue, monitor-interval1s, start-snapshot-id3821550127947089987)*/ ;注意如果是无界数据流式upsert进iceberg表读kafkaupsert进iceberg表那么再去流读iceberg表会存在读不出数据的问题。如果无界数据流式append进iceberg表读kafkaappend进iceberg表那么流读该iceberg表可以正常看到结果。
