大数据_湖仓一体:下一代存储解决方案

心已赠人 2024-04-07 13:21 73阅读 0赞

**目录**

一、什么是湖仓一体

二、湖仓一体架构的特点

三、常见框架

1、Apache Hudi

2、Apache Iceberg

3、Delta Lake

--------------------

数据库早已解决了数据问题，但无法满足现代使用场景和作业的需求。数据湖的出现是为了规避数据库的局限性，Spark 是构建数据湖的最佳工具之一。但是，数据湖缺少数据库提供的一些关键功能（如 ACID 保证）。湖仓一体是下一代数据存储解决方案，旨在提供数据库与数据湖两者的优点，并满足各种使用场景和作业的需求。

![e7c5159c97a64411983855bc352bc9dd.png][]

## **一、什么是湖仓一体** ##

湖仓一体（lakehouse）是针对 OLAP 场景且兼具数据湖和数据库优点的新范式。新的系统设计让湖仓一体成为可能，从而直接以低成本提供类似数据库的数据管理特性，同时具有数据湖的可伸缩存储的特性。

## **二、湖仓一体架构的特点** ##

**支持事务**

类似数据库，湖仓一体能在并发执行作业的场景中提供 ACID 保证。

**表结构强化与治理**

湖仓一体系统禁止表结构不对的数据插入表内，必要时也可以显式调整表结构来适应不断变化的数据。这种系统可以推理数据完整性，需要有可靠的治理和审计机制。

**支持开放格式的各种数据类型**

湖仓一体可以存储、优化、分析和访问所有类型的数据，无论数据是结构化的、半结构化的，还是非结构化的，这一点和数据库不同，但和数据湖差不多。为了使各种工具可以直接且高效地访问数据，必须提供具备标准化读写接口的开放格式来存储数据。

具体来说，湖仓一体架构具有下列特性。

**支持事务**

类似数据库，湖仓一体能在并发执行作业的场景中提供 ACID 保证。

**表结构强化与治理**

**支持开放格式的各种数据类型**

**支持各种作业类型　　**

湖仓一体系统支持对其中的数据执行各种类型的作业，因为有各种使用开放接口读取数据的工具提供支持，数据不需要导来导去。从传统的 SQL 查询和流式分析到机器学习，湖仓一体系统避免了数据孤岛（也就是将不同类别的数据放在不同系统中），允许开发人员更轻松地构建各种复杂的数据解决方案。

**支持插入更新和删除**

变更数据捕获（change data capture，CDC）和慢变更维度（slowly changing dimension，SCD）等复杂使用场景要求表中的数据能持续更新。通过事务保证，湖仓一体系统允许数据并发删除和更新。

**数据治理　　**

湖仓一体系统提供用于推理数据完整性和审计所有数据变更的工具，可以用于合规。

## **三、常见框架** ##

### **1****、****Apache Hudi**  ###

Apache Hudi 最初由 Uber 工程部门开发，是一种专为键值数据的增量插入更新和删除而设计的数据存储格式。它的名字是 Hadoop Update Delete and Incremental（Hadoop 更新删除与增量）的缩写。数据以列存格式（如 Parquet 文件）和行存格式（如记录对 Parquet 文件增量修改的 Avro 文件）的组合进行存储。

除了前面提到的那些特性，Hudi 还支持以下操作。

*  插入更新，以及快速可插拔的索引。

*  原子性的数据发布，并且支持回滚。

*  读取表的增量修改部分。

*  数据恢复的保存点。

*  用统计信息提供文件大小和布局管理。

*  异步整合行数据和列数据。

### **2****、****Apache Iceberg** ###

Apache Iceberg 最初由 Netflix 构建，是海量数据集的另一个开放存储格式。但与专注更新键值数据的 Hudi 有所不同，Iceberg 更关注单表扩展到 PB 级的通用数据存储，并且具有更新表结构的特性。

具体来说，除了共有的那些特性，它还具有下列特性。

*  通过对表结构中列、字段以及嵌套结构的添加、删除、更新、改名、重排来修改表结构。

*  隐藏分区机制，在内部为表中的行创建分区值。