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 <casel.c...@gmail.com> 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 <lzljs3620...@aliyun.com.invalid> 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 <casel.c...@gmail.com> > > Send Time:2019年12月8日(星期日) 10:04 > > To:user-zh@flink.apache.org <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? > > >