這篇文章主要介紹Delta Lake 0.5.0有什么特性，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

創(chuàng)新互聯(lián)自成立以來(lái)，一直致力于為企業(yè)提供從網(wǎng)站策劃、網(wǎng)站設(shè)計(jì)、網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站、電子商務(wù)、網(wǎng)站推廣、網(wǎng)站優(yōu)化到為企業(yè)提供個(gè)性化軟件開(kāi)發(fā)等基于互聯(lián)網(wǎng)的全面整合營(yíng)銷服務(wù)。公司擁有豐富的網(wǎng)站建設(shè)和互聯(lián)網(wǎng)應(yīng)用系統(tǒng)開(kāi)發(fā)管理經(jīng)驗(yàn)、成熟的應(yīng)用系統(tǒng)解決方案、優(yōu)秀的網(wǎng)站開(kāi)發(fā)工程師團(tuán)隊(duì)及專業(yè)的網(wǎng)站設(shè)計(jì)師團(tuán)隊(duì)。

Delta Lake 0.5.0 于2019年12月13日正式發(fā)布，正式版本可以到 https://github.com/delta-io/delta/releases/tag/v0.5.0?spm=a2c6h.12873639.0.0.23ea24406RkWrF&file=v0.5.0 下載使用。這個(gè)版本支持多種查詢引擎查詢 Delta Lake 的數(shù)據(jù)，比如常見(jiàn)的 Hive、Presto 查詢引擎。并發(fā)操作得到改進(jìn)。當(dāng)然，這個(gè)版本還是不支持直接使用 SQL 去增刪改查 Delta Lake 的數(shù)據(jù)，這個(gè)可能得等到明年1月的 Apache Spark 3.0.0 的發(fā)布。

通過(guò)使用 manifest 文件來(lái)支持多種查詢引擎

在之前版本的 Delta Lake，只支持使用 Spark 去查詢 Delta Lake 的數(shù)據(jù)，使得它的使用場(chǎng)景有點(diǎn)限制。但是通過(guò)引入了 manifest 文件（參見(jiàn) #76，https://github.com/delta-io/delta/issues/76?spm=a2c6h.12873639.0.0.152d2440UP8orM），我們可以使用 Presto/Amazon Athena 等查詢引擎去查詢 Delta Lake 的數(shù)據(jù)。Amazon Athena 是一種交互式查詢服務(wù)，讓您能夠輕松使用標(biāo)準(zhǔn) SQL 直接分析 Amazon S3 中的數(shù)據(jù)，其內(nèi)部是使用 Presto 實(shí)現(xiàn)的。

manifest 文件的生成可以使用 Scala, Java, Python 以及 SQL 去實(shí)現(xiàn)，具體可以參見(jiàn) Delta Lake 的最新文檔：Presto and Athena to Delta Lake Integration，https://docs.delta.io/0.5.0/presto-integration.html?spm=a2c6h.12873639.0.0.152d2440FjP2qK

除了支持 Presto/Amazon Athena，還支持 Redshift Spectrum（Amazon Redshift 是一種快速、完全托管的 PB 級(jí)數(shù)據(jù)倉(cāng)庫(kù)服務(wù)，它使得用現(xiàn)有商業(yè)智能工具對(duì)您的所有數(shù)據(jù)進(jìn)行高效分析變得簡(jiǎn)單而實(shí)惠，Amazon Redshift 不能直接分析 S3 上的數(shù)據(jù)，他需要將 S3 上的數(shù)據(jù)拷貝到 Amazon Redshift 才行；而 Redshift Spectrum 是 Amazon Redshift 的一項(xiàng)新功能，它支持直接分析 S3 上的數(shù)據(jù)。）、Snowflake（這個(gè)是美國(guó)的一家公司的數(shù)據(jù)湖產(chǎn)品，支持分析 S3 上的數(shù)據(jù)） 以及 Hive（只支持查 Delta Lake 的數(shù)據(jù)，不支持 metastore）。

但是畢竟不是通過(guò) manifest 文件實(shí)現(xiàn)的，所以有一些 Delta Lake 原生的功能暫不支持，比如數(shù)據(jù)一致性可能不能保證，底層的模式發(fā)生變化上層查詢引擎會(huì)不感知，得重新建立。具體可以參見(jiàn) limitations，

https://docs.delta.io/0.5.0/presto-integration.html?spm=a2c6h.12873639.0.0.152d24401m0KhO#limitations

更好的并發(fā)操作支持

現(xiàn)在我們可以同時(shí)運(yùn)行更多的 Delta Lake 操作。這個(gè)實(shí)現(xiàn)是通過(guò)將 Delta Lake 樂(lè)觀并發(fā)控制的沖突檢測(cè)變得更細(xì)粒度解決的。這使得我們可以在 Delta Lake 表上運(yùn)行更加復(fù)雜的工作流：

• 在添加新分區(qū)時(shí)，同時(shí)刪除舊分區(qū)；

• 在不相交的分區(qū)上并發(fā)地運(yùn)行更新（updates）和合并（merges）；

• 在數(shù)據(jù)壓縮的時(shí)候同時(shí)對(duì) Delta Lake 添加數(shù)據(jù)。

具體參見(jiàn) 并發(fā)控制，https://docs.delta.io/0.5.0/concurrency-control.html。

改進(jìn)了對(duì)文件壓縮的支持

在壓縮數(shù)據(jù)的時(shí)候現(xiàn)在可以通過(guò)DataFrameWriter的選項(xiàng) dataChange 設(shè)置為 false 來(lái)重新編寫(xiě)文件。通過(guò)這個(gè)選項(xiàng)允許壓縮操作與其他批處理和流操作并發(fā)運(yùn)行。關(guān)于如何使用可以參見(jiàn) 壓縮文件，

https://docs.delta.io/0.5.0/best-practices.html?spm=a2c6h.12873639.0.0.23ea2440hRtZny#compact-files。

改進(jìn)了純插入合并（ insert-only merge）的性能

Delta Lake 現(xiàn)在為只有插入子句而沒(méi)有更新子句的合并操作提供了更優(yōu)化的性能。此外，Delta Lake 確保這種 insert-only merge 操作只會(huì)向表中追加（append）新數(shù)據(jù)。舉個(gè)例子，常見(jiàn)的 ETL 操作將收集到的數(shù)據(jù)追加到 Delta Lake 表中，然而，這些源常常會(huì)生成重復(fù)的日志記錄，需要下端來(lái)刪除這些重復(fù)的數(shù)據(jù)，而有了這個(gè)功能，我們可以避免插入重復(fù)的記錄。具體可以參見(jiàn) https://docs.delta.io/0.5.0/delta-update.html?spm=a2c6h.12873639.0.0.152d2440yuXqE9#-merge-in-dedup。

通過(guò) SQL 將 Parquet 表轉(zhuǎn)換成 Delta Lake 表

在 Delta Lake 0.4.0 版本，已經(jīng)支持使用 Scala, Java 以及 Python 來(lái)實(shí)現(xiàn)這個(gè)目的。為了使用更加方便，Delta Lake 0.5.0 版本支持直接通過(guò) SQL 將 Parquet 表轉(zhuǎn)換成 Delta Lake 表，具體如下：

Convert unpartitioned parquet table at path 'path/to/table'
CONVERT TO DELTA parquet.`path/to/table`

Convert partitioned parquet table at path 'path/to/table' and partitioned by integer column named 'part'
CONVERT TO DELTA parquet.`path/to/table` PARTITIONED BY (part int)

以上是“Delta Lake 0.5.0有什么特性”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！