Lakehouse中使用了什么技术来减少小文件的产生？
Lakehouse中使用了什么技术来减少小文件的产生？
展开
收起
1
条回答
写回答
写回答
-
1）优化Delta表写入；Data bricks对Delta表的写入过程进行了优化，对每个partition使用一个专门的executor来合并其它executor对该partition的写入，从而避免了小文件的产生。
2）自动合并小文件:在每次向Delta表中写入数据之后，会检查Delta表中的表文件数量，如果Delta表中的小文件(size<128MB 则视为小文件)数量达到阂值，则会执行一次小文件合并，将Delta表中的小文件合并为一个新的大文件。
3）手动合并小文件：除了自动合并，Databricks还提Opitmize命令，使用户可以手动合并小文件，优化表结构，使得表文件的结构更加紧凑。
以上内容摘自《Databricks数据洞悉》电子书，点击https://developer.aliyun.com/topic/download?id=8545可下载完整版
2022-07-29 10:32:58赞同 展开评论 打赏
问答分类：
问答地址：
开发者社区
>
大数据与机器学习
>
开源大数据平台 E-MapReduce
>
问答
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。
相关问答
阿里云EMR是云原生开源大数据平台，为客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、ClickHouse、StarRocks、Delta、Hudi等开源大数据计算和存储引擎，计算资源可以根据业务的需要调整。EMR可以部署在阿里云公有云的ECS和ACK平台。
热门讨论
热门文章
hdfs 文件块过多（1亿）每个datanode 占3000万块(分16G内),某时刻内存陡然增加？
496
各位大佬， StarRocks 如果写入数据速度过快， 容易将 StarRocks 写挂。 有对这个
682
阿里云Data bricks数据洞察(DDI)架构是什么？
1039
阿里云E-MapReduce中starrocks 2.4的mysql外部表哪个字段类型，映射不上吗？
198
我想问一下阿里云E-MapReduce，为什么会报错这个信息呢？
183
E-MapReduce有时候遇到 跑hive 任务 跑着 yarn 节点就掉了 如何排查问题？
107
Hologres 是对标 ClickHouse + Hbase + ...？,是如何把这些能力全部都
6248
Ray是什么？
2822
clickhouse 22.3 怎么源码编译啊
398
sqoop，任务日志刷新到这里，就一直卡住了，也没有提交到yarn，请问大神这个是什么情况？该怎么排
665
展开全部
现代流式计算的基石：Google DataFlow
18392
是时候放弃 Spark Streaming, 转向 Structured Streaming 了
6375
SparkSQL ThriftServer 安全相关功能的现状分析
3437
免费公测｜阿里云EMR Serverless StarRocks 公测正式开启！
6033
阿里巴巴的通义千问大模型
1454
小红书 API 接口使用指南：笔记详情数据接口的接入与使用
204
Data Lake 三剑客——Delta、Hudi、Iceberg 对比分析
15636
云栖实录 | 阿里云 OpenLake 解决方案重磅发布：多模态数据统一纳管、引擎平权联合计算、数据共享统一读写
182
阿里云EMR StarRocks X Paimon创建 Streaming Lakehouse
18
物化视图在 SparkSQL 中的实践
2968
展开全部
