AI 助理
备案控制台
开发者社区> 问答> 正文

Apache spark如何在数据湖中更新海量原始数据？

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？

展开
收起
被纵养的懒猫 2019-09-23 17:22:35 5160 0
2 条回答
写回答
取消 提交回答
  • 封神
    专注在大数据分布式计算、数据库及存储领域，拥有13+年大数据引擎、数据仓库、宽表引擎、平台研发经验，6年云智能大数据产品技术一号位经验，10年技术团队管理经验；云智能技术架构/云布道师； 研发阿里历代的大数据技术产品包括ODPS、DLA、ADB，最近五年主导宽表引擎研发、DLA、ADB湖仓研发；

    hudi的出现确实为了解决类似的问题

    2020-03-22 11:54:31
    赞同 展开评论 打赏
  • 明朔
    长期从事大数据系统与产品研发。

    可以考虑hudi，delta这种支持增量更新的数据格式

    2020-03-20 09:49:54
    赞同 1 展开评论 打赏
问答分类：
分布式计算 Apache Spark 云原生大数据计算服务 MaxCompute
问答标签：
Apache spark apache spark Apache Apache数据湖 Apache数据 apache spark数据
问答地址：
开发者社区 > 大数据 > 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
如果新开通E-MapReduce集群选择数据湖服务所有数据都存在OSS上吗
40
1
0
Hologres如何实时写入DLF数据湖的数据
43
1
0
Apache Dubbo会在什么情况下会写入超过这个最大限制的数据呢？
42
0
0
MaxCompute中使用Spark如何处理org.apache.spark.sql.Anal...
34
1
0
数据湖对于实时数据是如何管理的？
31
0
0
flink如何从数据湖中读取实时数据？
60
10
0
dbeaver 通过Apache Spark引擎链接不上云数据仓库ADB，怎么解决？
86
1
0
容器服务ASK有 apache/spark:v3.1.2的可用镜像源吗？ 官方只给到3.1.3
67
2
0
Apache Flink 和 Apache Spark Streaming在完整性推理方面有何不同？
38
1
0
Apache Spark Streaming 如何处理端到端一致性和时间事件的支持？
53
1
0
问答排行榜
最热
最新
1 【大咖问答】对话PostgreSQL 中国社区发起人之一，阿里云数据库高级专家 德哥 1819035
2 据说在家办公的程序员是这样写代码的？ 1793176
3 阿里云开放端口权限 690291
4 如何升级配置 536303
5 【藏经阁一起读（27）】本周推荐《Apache Flink案例集（2022版）》，你有哪些心得？ 522861
6 【精品问答】python技术1000问(1) 514134
7 Flink Forward Asia 2021 有奖问答 512916
8 OceanBase 使用动画（持续更新） 359381
9 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329802
10 OSS存储服务-客户端工具 321590
11 为体验实验室取一个新名字。 307487
12 企业邮箱发送邮件时，若出现投递失败产生退信，内容提示包含如下： the mta server of * reply:550 failed to meet SPF requirements 或者 the mta server of 163.com — 163mx01.mxmail.netease.com(220.181.14.141) reply:550 MI:SPF mx14,QMCowECpA0qTiftVaeB3Cg—.872S2 1442548128 http://mail.163.com/help 304099
13 Win Server 2003-2016 加密勒索事件必打补丁合集 295331
14 FLASH播放器，在IE浏览器下显示请确定您的域名已完成备案和CNAME绑定 284213
15 安全组详解，新手必看教程 277345
16 写code还是做管理，开发者如何进行职业规划？ 269169
17 惊喜翻倍：免费ECS+免费环境配置~！(ECS免费体验6个月活动3月31日结束) 255883
18 阿里云手机和阿云浏览器连接问题专帖 235694
19 支付宝H5 下载的时候，提示 【请确保该下载文件来源安全,如需浏览,请长按网址复制后使用浏览器访问】 228441
20 请问阿里云邮箱如何开启SMTP服务啊！ 225873
1 动机VS自律，对开发者们来说哪个比较重要？ 176
2 AI音色克隆挑战播客，它能模拟人的特质吗？ 220
3 阿里云RDS mysql数据库show slave status信息疑问 213
4 宜搭报表对日期字段赋值 110
5 AI生成海报or人工手绘，哪个更戳你？ 1288
6 “AI +脱口秀”，笑点能靠算法去创造吗？ 662
7 请教：通过按钮打开另外一个表单，并把其中一个值传递给另一个表单的其中一个字段。 293
8 AI宠物更适合当代年轻人的陪伴需求吗？ 1126
9 AI客服未来会完全代替人工吗？ 1350
10 modelscope下载 的模型 如何转ollama 147
11 “云+AI”能够孵化出多少可能？ 1021
12 当AI频繁生成虚假信息，我们还能轻信大模型吗？ 846
13 使用免费证书后 服务器浏览器访问没有问题，外网访问 显示证书不可信，使用同一种浏览器哦 308
14 FFA 2024 大会门票免费送！AI时代下大数据技术未来路在何方？ 1848
15 为什么宜搭的流程流入到钉钉OA审批，钉钉OA审批要收钱啊。。。。 366
16 宜搭UPDATE或UPSERT一次更新数据超过100条怎么办？ 谢谢各位大大帮帮忙！！！ 314
17 通义千问2.5-7B-Instruct已经下载到本地为什么使还需要联网？而且最近下载模型也提示400 383
18 CUDA error: CUDA-capable device(s) is busy 299
19 AI时代，存力or算力哪一个更关键？ 1517
20 求宜搭关联表单的更新方法！！！ 491

相关课程

更多
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第四阶段
    136
    19
    去学习
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第五阶段
    153
    32
    去学习
  • 大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第六阶段
    204
    21
    去学习
  • Apache Flink 入门到实战 - Flink开源社区出品
    1637
    16
    去学习
  • 大数据实时计算框架Spark快速入门
    1027
    93
    去学习
  • Apache Flink 入门
    5130
    9
    去学习
    • 推荐问答
    乘风问答官招募中！机械键盘免费拿

    相关文章

  • 游戏开发者如何使用独享静态代理IP进行测试与优化
  • ALink System亮相CCF中国存储大会 凝聚Scale Up互连共识
  • 阿里云服务器经济型e、通用算力型u1、计算型c8i、通用型g8i、内存型r8i实例介绍与选择参考
  • DataWorks产品体验与评测
  • /etc/rc.d/rc.local 的作用

    • 相关电子书

    更多
    • Apache Flink技术进阶 立即下载
    Apache Spark: Cloud and On-Prem 立即下载
    Hybrid Cloud and Apache Spark 立即下载

    相关实验场景

    更多
  • 基于Hologres+Flink搭建GitHub实时数据大屏
    177
    2.0小时
    去实验
  • 基于Hologres轻量实时的高性能OLAP分析
    442
    2.0小时
    去实验
  • 基于Flink+Tair搭建实时监控大屏
    167
    1.0小时
    去实验
  • 基于数据湖架构的网站访问行为分析
    469
    1.0小时
    去实验
  • Github实时数据分析与可视化
    733
    1.0小时
    去实验
  • 使用检索分析服务Elasticsearch版实现基础检索
    410
    1.0小时
    去实验

    • 相关镜像

  • apache
  • packman
  • CPAN