**导读:** 字节跳动数据湖架构是在 Apache Hudi 开源版本基础上的再次迭代,在 Hudi 落地的过程中,字节跳动也遇到了各种类型的问题,尤其是在索引使用的效率上。针对自身实际的业务场景和数据规模,字节也提出了新的索引实现方式并且贡献到了社区。本次分享主要介绍字节跳动数据湖索引演进。**全文包括以下四部分:**- Hudi 索引介绍- 问题与挑战- 字节数据湖索引演进- 未来规划分享嘉宾|耿筱喻 字节跳动 火山引擎...
> 本文是字节跳动数据平台开发套件团队在Flink Forward Asia 2021: Flink Forward 峰会上的演讲,着重分享了字节跳动数据湖技术上的选型思考和探索实践。![image.png](https://p6-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/056ea536940c4d5c9dcdf4f006da13a0~tplv-k3u1fbpfcp-5.jpeg?)> 文 | Gary Li 字节跳动数据平台开发套件团队高级研发工程师,数据湖开源项目Apache Hudi PMC Member随着Flink社区的不断发展,越来越多的...
着重分享了字节跳动数据湖技术上的选型思考和探索实践。![picture.image](https://p3-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/12973d7fe49f4bfcb57a74d45ded7a97~tplv-tlddhu82om-image.image?=&rk3s=8031ce6d&x-expires=1714839651&x-signature=xNd3fsum7WfC7uPStBsPJhnWyho%3D) 文 | Gary Li 字节跳动数据平台开发套件团队高级研发工程师,数据湖开源项目Apache Hudi PMC Member随着Flink社区...
数据湖可存储海量、低加工的原始数据。在数据湖中开发成本较低,可以支持灵活的构建,构建出来的数据的复用性也比较强。其次,在存储方面,成本比较低廉,且容量可扩展性强。与传统数仓建模使用的schema on write 模式相比,数据湖采用了一种 schema on read 的模式,即不会事先对它的 schema 做过多的定义,而是在使用的时候才去决定 schema,从而支持上游更丰富、更灵活的应用。2. ## **字节**数据湖Apache Hudi有下面非常重要...
着重分享了字节跳动数据湖技术上的选型思考和探索实践。![picture.image](https://p3-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/12973d7fe49f4bfcb57a74d45ded7a97~tplv-tlddhu82om-image.image?=&rk3s=8031ce6d&x-expires=1714839651&x-signature=xNd3fsum7WfC7uPStBsPJhnWyho%3D) 文 | Gary Li 字节跳动数据平台开发套件团队高级研发工程师,数据湖开源项目Apache Hudi PMC Member随着Flink社区...
本文是字节跳动数据平台开发套件团队在 Flink Forward Asia 2021: Flink Forward 峰会上的演讲,着重分享了字节跳动数据湖技术上的选型思考和探索实践。 作者|Gary Li,字节跳动数据平台开发套件团队高级研发工程师,数据湖开源项目 Apache Hudi PMC Member随着 Flink 社区的不断发展,越来越多的公司将 Flink 作为首选的大数据计算引擎。字节跳动也在持续探索 Flink,作为众多 Flink 用户中的一员,对于 Flink 的...
数据湖可存储海量、低加工的原始数据。在数据湖中开发成本较低,可以支持灵活的构建,构建出来的数据的复用性也比较强。其次,在存储方面,成本比较低廉,且容量可扩展性强。与传统数仓建模使用的schema on write 模式相比,数据湖采用了一种 schema on read 的模式,即不会事先对它的 schema 做过多的定义,而是在使用的时候才去决定 schema,从而支持上游更丰富、更灵活的应用。## **1.2 字节数据湖**Apache Hudi有下面非常重要...
数据湖可存储海量、低加工的原始数据。在数据湖中开发成本较低,可以支持灵活的构建,构建出来的数据的复用性也比较强。其次,在存储方面,成本比较低廉,且容量可扩展性强。与传统数仓建模使用的schema on write 模式相比,数据湖采用了一种 schema on read 的模式,即不会事先对它的 schema 做过多的定义,而是在使用的时候才去决定 schema,从而支持上游更丰富、更灵活的应用。字节数据湖**Apache Hudi有下面非常重...
>火山引擎 EMR 作为一款云原生开源大数据平台产品,集成了包括 Hadoop、Spark、Flink 等引擎,并做到100%开源兼容。Doris 作为 OLAP 领域中一款极具代表性的开源组件,也被集成到了火山引擎 EMR 产品生态中。 > 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 在数据湖联邦...
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,第二个阶段是数据湖,第三个阶段是湖仓一体。 ### 1.1 数据仓库阶段数据仓库是在上个世纪...
**Apache** **Hudi 仅支持单表的元数据管理,缺乏统一的全局视图,会存在数据孤岛。**Hudi 选择通过同步分区或者表信息到 Hive Metastore Server 的方式提供全局的元数据访问,但是两个系统之间的同步无法保证原子性,会有一致性问题,因此当前缺乏一个全局可靠视图。 另外 Hudi 在 Snashot 的管理上,依赖底层存储系统的视图构建自己的 Snapshot 信息,而不是通过自己的元数据管理。这种机制无法保证底层的存储系统记...
[picture.image](https://p3-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/7418021f8fdc4bef90db5910e76ed9c5~tplv-tlddhu82om-image.image?=&rk3s=8031ce6d&x-expires=1714839650&x-signature=gZ%2BliOzHaELMvgWg9ckI%2B%2Fk02ws%3D) 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...
文丨火山引擎LAS团队李铮本文对目前主流数仓架构及数据湖方案的不足之处进行分析,介绍了字节内部基于实时/离线数据存储问题提出的的湖仓一体方案的设计思路,并分享该方案在实际业务场景中的应用情况。最后还会为大家分享 LAS 团队对湖仓一体架构的未来规划。**文末更有专属彩蛋,新人优惠购福利,等着你来解锁!**![picture.image](https://p3-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/23718721a33e4470820...