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 5155 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
36
1
0
Hologres如何实时写入DLF数据湖的数据
39
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？
41
0
0
MaxCompute中使用Spark如何处理org.apache.spark.sql.Anal...
29
1
0
数据湖对于实时数据是如何管理的？
30
0
0
flink如何从数据湖中读取实时数据？
51
11
0
dbeaver 通过Apache Spark引擎链接不上云数据仓库ADB，怎么解决？
70
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
62
2
0
Apache Flink 和 Apache Spark Streaming在完整性推理方面有何不同？
36
1
0
Apache Spark Streaming 如何处理端到端一致性和时间事件的支持？
44
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 1818945
2 据说在家办公的程序员是这样写代码的？ 1793059
3 阿里云开放端口权限 690230
4 如何升级配置 536271
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？ 522805
6 【精品问答】python技术1000问(1) 514115
7 Flink Forward Asia 2021 有奖问答 512895
8 OceanBase 使用动画（持续更新） 359367
9 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329796
10 OSS存储服务-客户端工具 321539
11 为体验实验室取一个新名字。 307464
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 304068
13 Win Server 2003-2016 加密勒索事件必打补丁合集 295320
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 284159
15 安全组详解，新手必看教程 277337
16 写code还是做管理，开发者如何进行职业规划？ 269095
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) 255876
18 阿里云手机和阿云浏览器连接问题专帖 235686
19 请问阿里云邮箱如何开启SMTP服务啊！ 225838
20 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】 225531
1 FFA 2024 大会门票免费送！AI时代下大数据技术未来路在何方？ 211
2 AI时代，存力or算力哪一个更关键？ 725
3 全网寻找 #六边形战士# 程序员，你的 AI 编码助手身份标签是什么？ 940
4 关于开发者的100件小事，你知道哪些？ 982
5 AI助力，短剧迎来创新热潮？ 579
6 "ModelScope默认的下载位置是在哪里？ 178
7 1024程序员节，开发者们都在参与社区的哪些活动？ 2159
8 关于文本框校验自定义函数的问题 315
9 执行docker search nginx 报错超时 174
10 百问求答第四期-回答问题即有机会拿冬季取暖器 929
11 宜搭-集成&自动化，怎么实现定时自动获取普通表单里的所有数据，并更新该表单里的某列数据？ 204
12 有没有大佬知道：宜搭的流程表单里如何通过js面板给成员组件赋值？ 260
13 百问求答第四期-回答问题即有机会拿冬季取暖器 693
14 域名内网可以正常访问，外网访问不了 329
15 普通人能用阿里云做什么？ 147
16 宜搭表单 数据管理 增加 全部删除功能 228
17 获取Access Token报code: 400, body is mandatory 347
18 运动旅游开启新潮流，哪些科技手段能助力你的行程呢？ 940
19 “AI+儿童陪伴”，是噱头还是趋势？ 993
20 小白求助，跟着大模型微调教程做不太明白 587

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）第一阶段
    409
    33
    去学习
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第二阶段
    283
    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
    123
    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
    151
    32
    去学习
  • 大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第七阶段
    345
    9
    去学习
  • 大数据实时计算框架Spark快速入门
    1019
    93
    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

  • 京东面试：亿级黑名单 如何设计？亿级查重 呢？（答案含：布隆过滤器、布谷鸟过滤器）
  • 深度学习在图像识别中的革命性应用####
  • Python性能测试新风尚：JMeter遇上Locust，性能分析不再难🧐
  • 在 JavaScript 中，哪些场景需要考虑精度控制？
  • Java中的多线程编程：并发与并行的深度解析####

    • 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
  • 基于Hologres轻松玩转一站式实时仓库
    1697
    3.0小时
    去实验
  • 数据湖构建DLF快速入门
    1468
    1.0小时
    去实验
  • 库仓一体实时数据分析
    403
    1.0小时
    去实验
  • 基于MaxCompute的热门话题分析
    4087
    1.0小时
    去实验
  • 日志服务之数据清洗与入湖
    4432
    2.0小时
    去实验

    • 相关镜像

  • apache
  • packman
  • CPAN