Re: Flink实时数仓落Hive一般用哪种方式好？
实时性取决于checkpoint时间间隔。 Flink这边的sink没有合并小文件的功能。 Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月10日(星期二) 21:45 To:JingsongLee Subject:Re: Flink实时数仓落Hive一般用哪种方式好？ 我想要的streaming写就是数据实时写入HDFS文件，场景有实时数据仓库等。需要平衡实时性以及小文件过多的问题。目前处理小文件问题的方法都是在事后合并文件吗？ JingsongLee 于2019年12月10日周二 上午10:48写道： Hi 陈帅， 1.BulkWriter.Factory接口不适合ORC, 正如yue ma所说，你需要一些改动 2.StreamingFileSink整个机制都是基于做checkpoint才会真正move文件的，不知道你所想的streaming写是什么，以及对你的业务场景有什么要求吗？ Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月10日(星期二) 08:21 To:user-zh@flink.apache.org ; JingsongLee Subject:Re: Flink实时数仓落Hive一般用哪种方式好？ 1. 相比Parquet，目前StreamingFileSink支持ORC的难点在哪里呢？ 2. BulkWriter是不是攒微批写文件的？ JingsongLee 于2019年12月9日周一 下午3:24写道： Hi 帅， - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 (但是目前StreamingFileSink支持ORC比较难) - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] [1] https://issues.apache.org/jira/browse/FLINK-14249 Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月8日(星期日) 10:04 To:user-zh@flink.apache.org Subject:Flink实时数仓落Hive一般用哪种方式好？ 有人说直接写到HBase，再在Hive关联Hbase表 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) 写的话，目前来看没有现成的Streaming Writer，官方提供的都是 BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？
Re: Re: Flink实时数仓落Hive一般用哪种方式好？
Hi hjxhainan, 如果你要取消订阅。 请发送邮件到user-zh-unsubscr...@flink.apache.org Best, Jingsong Lee -- From:hjxhai...@163.com Send Time:2019年12月10日(星期二) 10:52 To:user-zh ; JingsongLee ; 陈帅 Subject:Re: Re: Flink实时数仓落Hive一般用哪种方式好？ 怎么退出邮件订阅 hjxhai...@163.com 发件人： JingsongLee 发送时间： 2019-12-10 10:48 收件人： 陈帅; user-zh@flink.apache.org 主题： Re: Flink实时数仓落Hive一般用哪种方式好？ Hi 陈帅， 1.BulkWriter.Factory接口不适合ORC, 正如yue ma所说，你需要一些改动 2.StreamingFileSink整个机制都是基于做checkpoint才会真正move文件的，不知道你所想的streaming写是什么，以及对你的业务场景有什么要求吗？ Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月10日(星期二) 08:21 To:user-zh@flink.apache.org ; JingsongLee Subject:Re: Flink实时数仓落Hive一般用哪种方式好？ 1. 相比Parquet，目前StreamingFileSink支持ORC的难点在哪里呢？ 2. BulkWriter是不是攒微批写文件的？ JingsongLee 于2019年12月9日周一 下午3:24写道： Hi 帅， - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 (但是目前StreamingFileSink支持ORC比较难) - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] [1] https://issues.apache.org/jira/browse/FLINK-14249 Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月8日(星期日) 10:04 To:user-zh@flink.apache.org Subject:Flink实时数仓落Hive一般用哪种方式好？ 有人说直接写到HBase，再在Hive关联Hbase表 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) 写的话，目前来看没有现成的Streaming Writer，官方提供的都是 BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？
Re: Flink实时数仓落Hive一般用哪种方式好？
hbase具备很好的支持随机，实时读取/写入的性能支持，同流计算引擎结合是一个比较好的选择 实时计算直接hdfs，会存在很多性能问题 陈帅 于2019年12月10日周二 上午8:21写道： > 1. 相比Parquet，目前StreamingFileSink支持ORC的难点在哪里呢？ > 2. BulkWriter是不是攒微批写文件的？ > > JingsongLee 于2019年12月9日周一 下午3:24写道： > > > Hi 帅， > > - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 > > (但是目前StreamingFileSink支持ORC比较难) > > - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 > > - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 > > > > 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] > > > > [1] https://issues.apache.org/jira/browse/FLINK-14249 > > > > Best, > > Jingsong Lee > > > > > > -- > > From:陈帅 > > Send Time:2019年12月8日(星期日) 10:04 > > To:user-zh@flink.apache.org > > Subject:Flink实时数仓落Hive一般用哪种方式好？ > > > > 有人说直接写到HBase，再在Hive关联Hbase表 > > 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： > > > > 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) > > 写的话，目前来看没有现成的Streaming > > Writer，官方提供的都是 > > BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 > > 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ > > > > 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？ > > >
Re: Re: Flink实时数仓落Hive一般用哪种方式好？
怎么退出邮件订阅 hjxhai...@163.com 发件人： JingsongLee 发送时间： 2019-12-10 10:48 收件人： 陈帅; user-zh@flink.apache.org 主题： Re: Flink实时数仓落Hive一般用哪种方式好？ Hi 陈帅， 1.BulkWriter.Factory接口不适合ORC, 正如yue ma所说，你需要一些改动 2.StreamingFileSink整个机制都是基于做checkpoint才会真正move文件的，不知道你所想的streaming写是什么，以及对你的业务场景有什么要求吗？ Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月10日(星期二) 08:21 To:user-zh@flink.apache.org ; JingsongLee Subject:Re: Flink实时数仓落Hive一般用哪种方式好？ 1. 相比Parquet，目前StreamingFileSink支持ORC的难点在哪里呢？ 2. BulkWriter是不是攒微批写文件的？ JingsongLee 于2019年12月9日周一 下午3:24写道： Hi 帅， - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 (但是目前StreamingFileSink支持ORC比较难) - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] [1] https://issues.apache.org/jira/browse/FLINK-14249 Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月8日(星期日) 10:04 To:user-zh@flink.apache.org Subject:Flink实时数仓落Hive一般用哪种方式好？ 有人说直接写到HBase，再在Hive关联Hbase表 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) 写的话，目前来看没有现成的Streaming Writer，官方提供的都是 BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？
Re: Flink实时数仓落Hive一般用哪种方式好？
Hi 陈帅， 1.BulkWriter.Factory接口不适合ORC, 正如yue ma所说，你需要一些改动 2.StreamingFileSink整个机制都是基于做checkpoint才会真正move文件的，不知道你所想的streaming写是什么，以及对你的业务场景有什么要求吗？ Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月10日(星期二) 08:21 To:user-zh@flink.apache.org ; JingsongLee Subject:Re: Flink实时数仓落Hive一般用哪种方式好？ 1. 相比Parquet，目前StreamingFileSink支持ORC的难点在哪里呢？ 2. BulkWriter是不是攒微批写文件的？ JingsongLee 于2019年12月9日周一 下午3:24写道： Hi 帅， - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 (但是目前StreamingFileSink支持ORC比较难) - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] [1] https://issues.apache.org/jira/browse/FLINK-14249 Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月8日(星期日) 10:04 To:user-zh@flink.apache.org Subject:Flink实时数仓落Hive一般用哪种方式好？ 有人说直接写到HBase，再在Hive关联Hbase表 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) 写的话，目前来看没有现成的Streaming Writer，官方提供的都是 BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？
Re: Flink实时数仓落Hive一般用哪种方式好？
1. 相比Parquet，目前StreamingFileSink支持ORC的难点在哪里呢？ 2. BulkWriter是不是攒微批写文件的？ JingsongLee 于2019年12月9日周一 下午3:24写道： > Hi 帅， > - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 > (但是目前StreamingFileSink支持ORC比较难) > - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 > - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 > > 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] > > [1] https://issues.apache.org/jira/browse/FLINK-14249 > > Best, > Jingsong Lee > > > -- > From:陈帅 > Send Time:2019年12月8日(星期日) 10:04 > To:user-zh@flink.apache.org > Subject:Flink实时数仓落Hive一般用哪种方式好？ > > 有人说直接写到HBase，再在Hive关联Hbase表 > 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： > > 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) > 写的话，目前来看没有现成的Streaming > Writer，官方提供的都是 > BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 > 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ > > 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？ >
Re: Flink实时数仓落Hive一般用哪种方式好？
可以用改写StreamingfileSink的方式去直接写orc文件 不过这种方式的分区需要手动添加 陈帅 于2019年12月8日周日 上午10:04写道： > 有人说直接写到HBase，再在Hive关联Hbase表 > 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： > > 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) > 写的话，目前来看没有现成的Streaming > Writer，官方提供的都是 > BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 > 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ > > 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？ >
Re: Flink实时数仓落Hive一般用哪种方式好？
Hi 帅， - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 (但是目前StreamingFileSink支持ORC比较难) - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] [1] https://issues.apache.org/jira/browse/FLINK-14249 Best, Jingsong Lee -- From:陈帅 Send Time:2019年12月8日(星期日) 10:04 To:user-zh@flink.apache.org Subject:Flink实时数仓落Hive一般用哪种方式好？ 有人说直接写到HBase，再在Hive关联Hbase表 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) 写的话，目前来看没有现成的Streaming Writer，官方提供的都是 BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？
