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？

44

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？

71

10

0

dbeaver 通过Apache Spark引擎链接不上云数据仓库ADB，怎么解决？

90

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

68

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 1819059

2 据说在家办公的程序员是这样写代码的？ 1793212

3 阿里云开放端口权限 690311

4 如何升级配置 536309

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？ 522877

6 【精品问答】python技术1000问(1) 514141

7 Flink Forward Asia 2021 有奖问答 512921

8 OceanBase 使用动画（持续更新） 359386

9 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329807

10 OSS存储服务-客户端工具 321605

11 为体验实验室取一个新名字。 307494

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 304110

13 Win Server 2003-2016 加密勒索事件必打补丁合集 295338

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 284223

15 安全组详解，新手必看教程 277351

16 写code还是做管理，开发者如何进行职业规划？ 269202

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) 255886

18 阿里云手机和阿云浏览器连接问题专帖 235697

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】 229269

20 请问阿里云邮箱如何开启SMTP服务啊！ 225879

1 AI 编码助手能否引领编程革命？一起探索 AI 对研发流程的变革 261

2 AI新茶饮，是噱头还是未来？ 654

3 开发者们需要如何打造属于自己的Plan B? 343

4 动机VS自律，对开发者们来说哪个比较重要？ 455

5 AI音色克隆挑战播客，它能模拟人的特质吗？ 977

6 阿里云RDS mysql数据库show slave status信息疑问 347

7 求助：宜搭如何在请求数据源时传入参数 101

8 宜搭报表对日期字段赋值 243

9 求助：如何在宜搭自定义表单中获取普通表单子表单中的数据 167

10 AI生成海报or人工手绘，哪个更戳你？ 2174

11 “AI +脱口秀”，笑点能靠算法去创造吗？ 1053

12 宜搭配置更新花名册信息的连接器 229

13 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。 435

14 AI宠物更适合当代年轻人的陪伴需求吗？ 1389

15 AI客服未来会完全代替人工吗？ 1744

16 modelscope下载的模型如何转ollama 437

17 关于宜搭自定义页面循环数据渲染的问题。 110

18 “云+AI”能够孵化出多少可能？ 1262

19 当AI频繁生成虚假信息，我们还能轻信大模型吗？ 1197

20 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 439

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）第二阶段

286

28

去学习

大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第四阶段

137

19

去学习

大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第七阶段

350

9

去学习

Apache Flink 入门到实战 - Flink开源社区出品

1643

16

去学习

大数据实时计算框架Spark快速入门

1029

93

去学习

Apache Flink 入门

5137

9

去学习

推荐问答

乘风问答官招募中！机械键盘免费拿

相关电子书

更多

Hybrid Cloud and Apache Spark 立即下载

Scalable Deep Learning on Spark 立即下载

Comparison of Spark SQL with Hive 立即下载

相关实验场景

更多