本文主要介绍 Apache Doris 设计和开发数据湖联邦分析特性的思考和实践。 全文分为三部分,首先介绍数据湖相关技术的演进,其次介绍 Apache Doris 数据湖联邦分析的整体设计和相关特性,最后介绍 Apache Do... 会分别连接到外部的 JDBC Server 和 ES Server 来进行元数据获取。 ![picture.image](https://p6-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/bf15eae0adec44488233e2575baee65d~tplv-tlddhu8...
其次介绍 Apache Doris 数据湖联邦分析的整体设计和相关特性,最后介绍 Apache Doris 在数据湖联邦分析上的未来规划。# 1. 湖仓一体架构演进回顾湖仓一体的发展史,主要经历了三个阶段。第一个阶段是数据仓库,第... 会分别连接到外部的 JDBC Server 和 ES Server 来进行元数据获取。![picture.image](https://p6-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/7ed6a3136b7745b09e32b815ed97fdf6~tplv-tlddhu82om-imag...
本文主要介绍 Apache Doris 设计和开发数据湖联邦分析特性的思考和实践。 全文分为三部分,首先介绍数据湖相关技术的演进,其次介绍 Apache Doris 数据湖联邦分析的整体设计和相关特性,最后介绍 Apache Doris 在数... 会分别连接到外部的 JDBC Server 和 ES Server 来进行元数据获取。 ![picture.image](https://p3-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/9ccd04a0d6f74b5d87ac4116e974c391~tplv-tlddhu82om-im...
字节数据中台DataLeap的Data Catalog系统基于Apache Atlas搭建,其中Atlas通过Kafka获取外部系统的元数据变更消息。在开源版本中,每台服务器支持的Kafka Consumer数量有限,在每日百万级消息体量下,经常有长延时等问题,影响用户体验。在2020年底,我们针对Atlas的消息消费部分做了重构,将消息的消费和处理从后端服务中剥离出来,并编写了Flink任务承担这部分工作,比较好的解决了扩展性和性能问题。然而,到2021年年中,团队开始重点投...
Apache Iceberg 是一种开源数据 Lakehouse 表格式,提供强大的功能和开放的生态系统,如:Time travel,ACID 事务,partition evolution,schema evolution 等功能。本文将讨论火山引擎EMR团队针对 Iceberg 组件的优化思路,通过引入索引来提高查询性能。## 1. 采用 Iceberg 构建数据湖仓火山引擎 E-MapReduce(简称 EMR)是火山引擎数智平台(VeDI)旗下的云原生开源大数据平台产品, 提供了企业级的 Hadoop、Spark、Flink、Hive、Pre...
字节数据中台DataLeap的Data Catalog系统基于Apache Atlas搭建,其中Atlas通过Kafka获取外部系统的元数据变更消息。在开源版本中,每台服务器支持的Kafka Consumer数量有限,在每日百万级消息体量下,经常有长延时等问题,影响用户体验。在2020年底,我们针对Atlas的消息消费部分做了重构,将消息的消费和处理从后端服务中剥离出来,并编写了Flink任务承担这部分工作,比较好的解决了扩展性和性能问题。然而,到2021年年中,团队开始重点...
> Apache Iceberg 是一种开源数据 Lakehouse 表格式,提供强大的功能和开放的生态系统,如:Time travel,ACID 事务,partition evolution,schema evolution 等功能。> 本文将讨论火山引擎EMR团队针对 Iceberg 组件的优化思路,通过引入索引来提高查询性能。# 采用 Iceberg 构建数据湖仓火山引擎 E-MapReduce(简称 EMR)是火山引擎数智平台(VeDI)旗下的云原生开源大数据平台产品, 提供了企业级的 Hadoop、Spark、Flink、Hive、Pre...
许多接口的读写性能都有严重下降,服务器资源的使用也被拉伸到夸张的地步,比如:* 写入一张超过3000列的Hive表元数据时,会持续将服务节点的CPU占用率提升到100%,十几分钟后触发超时* 一张几十列的埋点表,上下游很多,打开详情展示时需要等1分钟以上为此,我们进行了一系列的性能调优,结合Data Catlog产品的特点,调整了Apache Atlas以及底层Janusgraph的实现或配置,并对优化性能的方法论做了一些总结。 ...
> 本文出自字节跳动基础架构流式计算方向的工程师李本超同学专访。李本超从2022年3月开始参与 Apache Calcite 社区贡献,主要贡献了包括子查询优化、Join 优化、JSON 函数优化、JDBC Adapter、通用的表达式优化等。于2023年1月正式受邀成为 Apache Calcite PMC。 # 十个月,由初识到热爱 在过去几年,我主要是负责 Flink SQL 相关的工作。在不断深入参与到 Flink 的开发贡献的过程中,也逐步的了解到了背后的 Calcite。因...
[picture.image](https://p6-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/4a143d266aec43d3b4c47978dadad87d~tplv-tlddhu82om-image.image?=&rk3s=8031ce6d&x-expires=1714148433&x-signature=T1bFz%2BAOI5je4L3yiNPmzwoVVOc%3D)本文出自字节跳动基础架构流式计算方向的工程师李本超同学专访。李本超从2022年3月开始参与 Apache Calcite 社区贡献,主要贡献了包括子查询优化、Join 优化、JSON 函数优化、JDBC ...
Apache Flink 是一个高性能的分布式计算框架,目前也已经是流式计算的事实标准,很大程度上推动了整个流式数据处理方面的发展。对于两位新晋 Committer 而言,Flink 在 Apache 中是不可忽视的明星项目。作为一个非... 在推动大作业的性能优化过程中,我们采用了批量部署方案,对 Flink 任务的部署流程进行了较大的改动。不过,经过与社区其他成员多次深入讨论后,我们决定将优化方向转为在 TaskManager 方面增加相关的缓存。这既能够实...
Apache Hudi在实时场景中广泛使用。但在应用过程中也存在同步执行、异步执行等问题。本文将从表服务管理角度,详细解读字节跳动基于Apache Hudi的优化方案和最佳实践。***关注字节跳动数据平台公众号,回复【0222】获... 为了保证读取性能需要进行 File Group 的重分布。所以为了维护 Hudi 表写入了读取性能,文件数目等多种需求,Hudi 提供了多种重要的表服务,它们是:- Compaction:用于合并 Base File 和 Log File 的,同时会生成一...
欢迎阅读: 《Presto 在字节跳动的内部实践与优化》 《揭秘|字节跳动基于 Hudi 的实时数据湖平台》 《干货|Hudi Bucket Index 在字节跳动的设计与实践》 《揭秘|UIService:字节跳动云原生 Spark History 服务》 《干货|字节跳动基于 Apache Hudi 的多流拼接实践》 《干货 实时数据湖在字节跳动的实践》 《干货 提速 10 倍!源自字节跳动的新型云原生 Spark History Server 正式发布》 《字节跳动基于 Apache Hudi 构建实时数仓的...