關於Delta Lake的ACID事務機制簡介
近年來,隨著大資料利用用例的多樣化,需要為分散式儲存新增更多功能。這幾年誕生了幾款OSS儲存層SW,可以原樣使用HDFS等分散式儲存和Apache Spark等分散式處理框架,為分散式儲存新增新功能。其中,Delta Lake通過將ACID事務的功能賦予分散式儲存來提高資料集的可靠性,本文將進行介紹。我們將探索 Delta Lake 的 ACID 事務,從 Delta Lake 的概述到深入的內容,例如在原始碼級別檢查實現。
什麼是Delta Lake?
Delta Lake 是 Databricks 在 2019 年宣佈為 OSS 的儲存層軟體。Delta Lake 允許您通過在分散式儲存(如 HDFS 和 Amazon S3)上啟用 ACID 事務來保持資料集的可靠性。
部署 Delta Lake 很簡單,只需在實現 Spark 應用程式時使用 Maven 或 SBT 安裝包。(以下以Maven為例)
<dependency> <groupId>io.delta</groupId> <artifactId>delta-core_2.12</artifactId> <version>1.1.0</version> </dependency> |
如果您只想讀寫簡單的資料,只需對您的 Spark SQL 應用程式進行一些更改。
// Write val data = spark.range(0, 5) data.write.format("delta").save("/tmp/delta-table") // Read val df = spark.read.format("delta").load("/tmp/delta-table") |
它與 Spark SQL Read/Write 相同,只是格式已更改為"delta"。僅此一項就可以確保您仍然可以以 Parquet 的資料格式讀取和寫入資料,以及讀取和寫入 ACID 事務。
此外,Delta Lake 可以更輕鬆地為以前難以用分散式儲存處理的資料實施 Upsert(在 SQL 術語中也稱為 Merge)。
對於HDFS等儲存,通過規範劃分,實現了高擴充套件性。結果,如果我想更新資料,我必須做這樣的事情:1. 讀取所有要更新的資料集2. 向讀取的資料集新增/更新/刪除資料3. 寫入新資料集4.刪除舊資料集
使用 Delta Lake,這些現在可以通過一次操作完成。
分散式儲存的 ACID 事務
首先,讓我們看看每個 ACID 事務是什麼。
- 原子性:對於事務中包含的操作,要麼保證“所有結果都反映”,要麼“什麼都不反映”。
- 一致性:保證事務前後的資料一致性。
- 隔離:每個事務的處理不影響其他事務。
- 永續性:已完成事務的資料不應在系統故障時丟失。
分散式儲存配置了大量機器,其中一臺機器經常壞掉,所以有些機器是用 Dorability 作為標準實現的。例如,HDFS 通過預設建立三個副本並跨不同節點儲存它們來實現 Durability。
其餘三個通常不受分散式儲存的保護。
關於原子性,我們會在更早的Upsert過程中考慮。(轉貼)
- 讀取所有要更新的資料集
- 對讀取的資料集新增/更新/刪除資料
- 寫一個新的資料集
- 擦除舊資料集
現在假設應用程式在 3 完成時崩潰了。在這種情況下,舊資料集和新資料集都將保留在 HDFS 中。如果你立即注意到它,你可能沒有任何問題,但如果它無人看管,其他應用程式將使用舊資料集,如果你注意到它,資料集很多,你不知道哪個是最新的。這個可能會導致問題。
關於一致性,可能是資料集的模式有問題。在HDFS中,寫入的資料的內容是沒有經過審查的,所以有可能,比如寫Parquet有更多的列,json有更多的層次等等。如果模式不一致的地方很多,資料集可能無法建立,資料處理和分析也可能無法進行。
讓我們在與原子性相同的情況下考慮隔離。(轉貼)
- 讀取所有要更新的資料集
- 對讀取的資料集新增/更新/刪除資料
- 寫一個新的資料集
- 擦除舊資料集
在 HDFS 中,Isolation Level 是最低的 Read Uncommitted,即沒有事務併發控制。在這種情況下,例如,1 和 3 之間的另一個事務可能會更新資料集,從而導致資料不一致。
關於 Delta Lake 事務
Delta Lake 假設您將使用 HDFS 和其他 Durability 分散式儲存作為資料儲存。因此,Durability 是由分散式儲存來保證的。此外,通過使用 Delta Lake 來確保原子性、一致性和隔離性。
讓我更詳細地解釋一下這個故事。通過將格式更改為"delta",Write 將按如下方式執行
- 將資料的實體Parquet檔案寫入分散式儲存
- 將即1個資料的後設資料寫入分散式儲存“Delta Log”(=提交)
讀取執行如下。
- 通過閱讀之前的“Delta Log”確定所需的 Parquet 檔案
- 讀取指定的 Parquet 檔案
以下是 Delta Log 的示例:
{"protocol":{"minReaderVersion":1,"minWriterVersion":2}} {"metaData":{"id":"ac72d2ec-7bdc-42cd-88cc-72da634f0873","format":{"provider":"parquet","options":{}},"schemaString":"{\"type\":\"struct\",\"fields\":[{\"name\":\"id\",\"type\":\"long\",\"nullable\":true,\"metadata\":{}}]}","partitionColumns":[],"configuration":{},"createdTime":1640262316180}} {"add":{"path":"part-00000-1c9604e7-6b21-4392-acf1-1fb45e31744b-c000.snappy.parquet","partitionValues":{},"size":296,"modificationTime":1640262319000,"dataChange":true}} |
這個Delta Log的存在實際上保證了原子性、一致性和隔離性。
- 首先是原子性,
這很簡單。由於編寫 Delta Log 本身就是一次提交,因此您可以建立一種情況,如果有 Delta Log,則反映所有更新,如果沒有 Delta Log,則不反映任何更新。沒有在任何 Delta Log 中列出的 Parquet 檔案永遠不會被 Read 讀取,所以如果只將一些過渡處理作為 Parqeut 檔案寫入分散式儲存,那也沒關係。
- 接下來是一致性:
說到前面提到的schema問題,這可以通過檢查Delta Log上掛起的Metadata是否存在不一致來實現。如果它與後設資料中儲存的架構不匹配,則更新將被拒絕(= 架構驗證),並且維護資料集完整性的機制將起作用。只要不衝突,也可以增加模式中的列數(=模式演化)和分割槽中的列數。(Schema Evolution 的具體行為是automatic-schema-evolution>https://docs.delta.io/latest/delta-update.htmlautomatic-schema-evolution)
- 最後,隔離性:
Delta Lake 利用多版本併發控制 (MVCC) 和樂觀獨佔控制。Delta Log 有版本編號,這意味著資料集的版本。通過在讀取資料時在 Spark 中保留版本號,即使發生另一個事務的更新(從應用程式端讀取),您也可以繼續讀取相同版本的資料集(=快照)。您也可以指定特定版本)。對於write,記下事務開始時資料集的最新版本是什麼,如果在commit時已經有(latest version + 1)的Delta Log,就會和其他事務發生資料衝突。
相關文章
- 關於事務補償機制
- 關於事務的ACID屬性中的“C”與“I”
- 事務的ACID特性
- 跨微服務的 ACID 事務微服務
- 資料湖揭祕—Delta Lake
- SAP CRM WebClient UI的Delta處理機制介紹WebclientUI
- 基於Spring中的事務管理機制Spring
- 事務的特性:事務必須具備以下四個屬性,簡稱ACID
- Delta Lake 資料湖原理和實戰
- Redis 事務支援 ACID 麼?Redis
- 資料庫事務 ACID資料庫
- MySQL 事務機制MySql
- 關於Android訊息機制的那些事兒Android
- mysql淺談--事務ACID特性MySql
- MySQL是如何實現事務的ACIDMySql
- Databricks決定開源其Delta Lake資料湖
- Laravel基於reset機制實現分散式事務Laravel分散式
- 面試題:MySQL事務的ACID如何實現?面試題MySql
- TXC分散式事務簡介分散式
- openGauss事務機制(上)
- openGauss事務機制(下)
- spring 事務管理機制Spring
- 事務機制如何實現
- Redis系列(九):Redis的事務機制Redis
- Redis系列12:Redis 的事務機制Redis
- spring的事務傳播機制Spring
- 資料湖倉比較:Apache Hudi、Delta Lake、Apache IcebergApache
- 為什麼Databricks Delta Lake表格式開源很重要?
- 資料湖表格式比較(Iceberg、Hudi 和 Delta Lake)
- 搞懂MySQL InnoDB事務ACID實現原理MySql
- 事務ACID特性與隔離級別
- Redis 中的事務分析,Redis 中的事務可以滿足ACID屬性嗎?Redis
- 關於 IPython 的簡介Python
- 關於 MySQL 的巢狀事務MySql巢狀
- 關於分散式事務的理解分散式
- BW中自定義資料來源的Delta機制
- mysql 事務,鎖,隔離機制MySql
- spring事務傳播機制Spring