腾讯云DLC(数据湖计算)重磅支持Apache Hudi

数据湖计算 DLC 通过类 SaaS 化的服务设计，为客户提供云原生企业级敏捷智能数据湖解决方案，具备以下特点：

• • 依托腾讯云大数据内核技术增强能力，为企业提供稳定、安全、高性能的计算资源。
• • 使用标准 SQL 语法即可完成数据处理、多源数据联合计算等数据工作，有效降低用户数据分析服务搭建成本及使用成本，提高企业数据敏捷度。
• • 基于存算分离和分钟级弹性伸缩能力，为企业提供更低的成本模型及精确的成本能力。
• • 供 SaaS 化开箱即用的使用体验，无需关注底层架构或维护计算资源，企业培训、使用门槛更低。

Apache Hudi 是新一代流式数据湖平台，其最主要的特点是支持记录（Record）级别的插入更新（Upsert）和删除，同时还支持增量查询。

DLC支持通过SparkSQL创建表、写入表和查询表中使用 Hudi 表格式。

应用场景

近实时数据入湖

Apache Hudi 支持插入、更新和删除数据的能力。相比其他传统的文件格式，Hudi 优化了数据写入过程中产生的小文件问题。您可以基于 DLC Spark 或 Flink 实时摄取消息队列（Kafka 等）的日志数据至 Hudi 中，同时也支持实时同步数据库 Binlog 产生的变更数据。

增量数据处理

过去的增量处理往往将数据划分成小时粒度的分区，当属于此分区内的数据写入完成时，该分区就能对外提供相应的查询，这使数据的“新鲜程度”可以达到小时级别。但如果发生数据迟到的现象，唯一的补救措施是通过对整个分区的重新计算来保证正确性，这增加了整个系统的在计算和存储方面的性能开销。Hudi 支持 Incremental Query 查询类型，您可以通过 DLC Spark Streaming 查询给定 COMMIT 后发生变更的数据，这降低了在计算资源方面的消耗，同时可以将数据的新鲜程度从小时级别提升到分钟级别，让数据在湖内不同层之间快速流转。

近实时数据分析

Hudi 通过将数据的更新时间缩短至几分钟，提供了一种面向实时分析更有效的方案。此外，借助于 DLC Presto和 SparkSQL 与 Hudi 的无缝集成和出色性能，您可以在无需任何额外配置的情况下，对更实时的数据进行更快的分析。