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
阿里云E-MapReduce用自己搭建的DS，调用hive执行sql时，报这个错，是什么原因呢？
39
阿里云E-MapReduce需要变动什么吗？
28
计划在新加坡服务器部署集群，阿里云E-MapReduce支持吗？
79
阿里云E-MapReduce中clickhouse或者starrocks 可以做商用化部署吗?
28
阿里云E-MapReduce这个ossref 是这样写的吧？
71
阿里云E-MapReduce公司最近Presto所在的服务器，请问这种问题各位有遇到过吗？
57
阿里云E-MapReduce中EMR自定义集群 HUE是自带吗 没有看懂啊HUE选项？
53
有 E-MapReduce on ECS 的维护手册吗？ 除了官网的那个，有没有文档形式的那种呢？
69
阿里云E-MapReduce导致的ECS监控告警。请问还有其他什么排查方式么？
65
阿里云E-MapReduce中Workflow内的阿里云监控告警插件怎么配置啊？
25
展开全部
使用Spark Streaming SQL基于时间窗口进行数据统计
8250
如何在E-MapReduce上使用引导操作安装kafka组件
4332
云上基于Kerberos的大数据安全实践
3862
通过Spark SQL实时归档SLS数据
3017
开源大数据周刊-第103期
1646
列式存储系列（一）C-Store
2475
阿里云 EMR Serverless Spark 版免费邀测中
760
阿里云 EMR 基于 Paimon 和 Hudi 构建 Streaming Lakehouse
64906
用友畅捷通基于阿里云 EMR StarRocks 搭建实时湖仓实战分享
857
基于阿里云向量检索 Milvus 版和 LangChain 快速构建 LLM 问答系统
157
展开全部
相关文章
相关电子书
更多
