当前位置：网站首页>数据湖（二十）：Flink兼容Iceberg目前不足和Iceberg与Hudi对比

数据湖（二十）：Flink兼容Iceberg目前不足和Iceberg与Hudi对比

2022-08-04 02:31:00 【Lanson】

Flink兼容Iceberg目前不足和Iceberg与Hudi对比

一、Flink兼容Iceberg目前不足

  • Iceberg目前不支持Flink SQL 查询表的元数据信息，需要使用Java API 实现。
  • Flink不支持创建带有隐藏分区的Iceberg表
  • Flink不支持带有WaterMark的Iceberg表
  • Flink不支持添加列、删除列、重命名列操作。
  • Flink对Iceberg Connector支持并不完善。

二、Iceberg与Hudi对比

Iceberg和Hudi都是数据湖技术，从社区活跃度上来看，Iceberg有超越Hudi的趋势。他们有以下共同点：

  • 都是构建于存储格式之上的数据组织方式
  • 提供ACID能力，提供一定的事务、并行执行能力
  • 提供行级别数据修改能力。
  • 提供一定的Schema扩展能力，例如：新增、修改、删除列操作。
  • 支持数据合并，处理小文件。
  • 支持Time travel 查询快照数据。
  • 支持批量和实时数据读写

Iceberg与Hudi之间不同点在于以下几点：

  • Iceberg支持Parquet、avro、orc数据格式，Hudi支持Parquet和Avro格式。
  • 两者数据存储和查询机制不同

Iceberg只支持一种表存储模式，就是有metadata file、manifest file和data file组成存储结构，查询时首先查找Metadata元数据进而过滤找到对应的 SnapShot对应的manifest files ,再找到对应的数据文件。Hudi支持两种表存储模式：Copy On Write（写时合并） 和Merge On Read（读时合并），查询时直接读取对应的快照数据。

  • 对于处理小文件合并时，Iceberg只支持API方式手动处理合并小文件，Hudi对于小文件合并处理可以根据配置自动的执行。
  • Spark与Iceberg和Hudi整合时，Iceberg对SparkSQL的支持目前来看更好。Spark与Hudi整合更多的是Spark DataFrame API 操作。
  • 关于Schema方面，Iceberg Schema与计算引擎是解耦的，不依赖任何的计算引擎，而Hudi的Schema依赖于计算引擎Schema。
原网站

版权声明
本文为[Lanson]所创，转载请带上原文链接，感谢
https://mdnice.com/writing/c44433448e16412ab602059f773726f7

边栏推荐

猜你喜欢

随机推荐