You are viewing a plain text version of this content. The canonical link for it is here.
Posted to user-zh@flink.apache.org by hiliuxg <73...@qq.com> on 2019/12/10 03:14:51 UTC
回复: Flink实时数仓落Hive一般用哪种方式好?
https://github.com/hiliuxg/flink-orc-sink 这个项目能写hdfs orc,并保证exectly once
------------------ 原始邮件 ------------------
发件人: "jingwen jingwen"<jingwen.ywb@gmail.com>;
发送时间: 2019年12月10日(星期二) 中午11:12
收件人: "user-zh"<user-zh@flink.apache.org>;
主题: 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 <casel.chen@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 <lzljs3620320@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.chen@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?
> >
>