我正在设计一个分析型大数据系统。我将拥有大量数据。问题在于大量原始数据将经常被更新（每次大约20,000,000个事件）。
我想做的就是将最新数据放入数据湖（Hadoop）中的新文件中，然后运行（Spark）作业，它将新的原始数据与旧的合并。这将花费太长时间。
您对如何改善此过程有任何想法吗？
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
