写回答
-
1）具备同时读写并且有数据一致性保证的能力。在Delta La ke当中，Reader和Writer是通过快照机制来进行隔离，也就是说Reader和Writer可以以乐观锁的形式各自写入和读出，互不影响。
2）具备高吞吐从大表读元数据的能力。我们可以想象，当一个表变大之后，它本身的元数据、快照、Checkpoi nt版本以及变更Schema一系列所有的元数据操作本身就会变成一个大数据的问题。Delta Lake当中设计非常棒的一点就是本身将Meta Delta也视为大数据问题，通过Spark框架自身处理大表的元数据问题。所以在Delta中，不必担心会出现单点处理Meta Delta焊死的情况。 3）历史数据以及脏数据的回滚。我们需要有Time Travel的能力来回溯到某一个时间点进行数据清洗。
4）具备在线处理历史数据的能力。在历史数据回填中，我们依然可以实时处理当前流入的新数据，无需停留，也无需考虑哪些是实时，哪些是离线。
5）可以在不阻断下游作业的前提下处理迟到的数据，可以直接入表。
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 10:45:26赞同 展开评论 打赏
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。
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。
