Lakehouse如何以开放的存储格式达到高效的查询性能?
Lakehouse如何以开放的存储格式达到高效的查询性能?
展开
收起
1
条回答
写回答
写回答
-
1）高速缓存；Lakehouse可以使用与数据仓库相同的优化数据结构对其进行缓存提高查询性能。
2）建立辅助数据结构；即使数据是用Parquet格式存储的，也可以建立很多额外的数据结构来加快查询，同时对这些额外的数据进行事务性的维护。
3）数据布局；
4）动态文件剪枝(Dynamic File Pruning, DFP)；
5）优化组合；综合使用以上优化技术协同工作，让Lakehouse中的数据读取都在高速缓存中进行，并且通过数据布局优化，建立辅助数据结构减少对非缓存数据读取的I/0，实现了Lakehouse引擎可以提供与数据仓库类似的查询性能。
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
阿里云E-MapReduce kernel一直显示connecting怎么办？
61
阿里云E-MapReduce代码里面设置变量及值，该怎么设置有没有伪代码参考？
69
阿里云E-MapReduce 版本2.5.3添加一个fe节点，启动报如下错误，是什么原因呢？
73
阿里云E-MapReduce用存算分离模式是不是也可以进行数据湖分析？
64
阿里云E-MapReduce客户端 调用一次flush 就会触发oss一次真正的flush是吧？
66
阿里云E-MapReduce 能够查询maxcompute表么？通过DLF?
68
阿里云E-MapReduce 数据湖分析版和存算分离版有什么区别？
69
阿里云E-MapReduce notebook中，是否可以通过变量引用的方式获取，而不是填入明文？
52
EMR这个需求可以实现吗？
78
EMR业务上使用EMR的SDK执行工作流, 这种迁移到 DataWorks底层SDK也是支持的吗？
66
展开全部
EMR Serverless Spark：结合实时计算 Flink 基于 Paimon 实现流批一体
60030
阿里封神谈hadoop生态学习之路
48777
分布式快照算法: Chandy-Lamport
23397
如何使用Kafka Connect实现同步RDS binlog数据
16014
梨视频：基于阿里云E-MapReduce搭建视频推荐系统的实践
13418
HIVE MapJoin异常问题处理总结
14748
E-MapReduce中Spark 2.x读写MaxCompute数据
6955
EMR集群上capacity scheduler的ACL实现
5676
数据湖正在成为新的数据仓库
4962
使用spark-redis组件访问云数据库Redis
4274
展开全部
相关文章
相关电子书
更多
