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
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
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
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
@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
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。
>
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
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
Bes
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Hiv
