欢迎关注Hadoop、Spark、Flink、Hive、Hbase、Flume等大数据资料分享微信公共账号:iteblog_hadoop
  1. 文章总数:1075
  2. 浏览总数:14,663,716
  3. 评论:4200
  4. 分类目录:114 个
  5. 注册用户数:7081
  6. 最后更新:2019年11月20日
过往记忆博客公众号iteblog_hadoop
欢迎关注微信公众号:
iteblog_hadoop
大数据技术博客公众号bigdata_ai
开发爱好者社区:
bigdata_ai

Spark Delta Lake 现在由Linux基金会托管,将成为数据湖的开放标准

重磅|Spark Delta Lake 现在由Linux基金会托管,将成为数据湖的开放标准
如果想及时了解Spark、Hadoop或者HBase相关的文章,欢迎关注微信公众号:iteblog_hadoop

一年一度的 Spark + AI Summit Europe 峰会于2019年10月15-17日在欧洲的阿姆斯特丹举行。在10年16日 数砖和 Linux 基金会共同宣布 Delta Lake 和 将成为一个 Linux 基金会项目(参考:The Delta Lake Project Turns to Linux Foundation to Become the Open Standard for Data Lakes)。该项目旨在建立一个开放的标准来管理数据湖中的大量数据,同时 Delta Lake 同样基于 Apache 2.0软件许可证开源。

重磅|Spark Delta Lake 现在由Linux基金会托管,将成为数据湖的开放标准
如果想及时了解Spark、Hadoop或者HBase相关的文章,欢迎关注微信公众号:iteblog_hadoop

Delta Lake 致力于提高数据湖的可靠性和可扩展性。它的高级抽象和保证,包括ACID事务和时间旅行,极大地简化了真实世界数据工程体系结构的复杂性。自从今年四月底的 Spark + Ai 峰会数砖宣布开源 Delta Lake 项目(重磅 | Apache Spark 社区期待的 Delta Lake 开源了)。该项目每个月被部署在数千个组织中,成为数据和人工智能架构中不可或缺的基础组件。

为了进一步推动社区的采用和发展,数砖决定与Linux 基金会合作,利用他们的平台和丰富的经验来培育有影响力的开源项目,包括Linux本身、Jenkins和Kubernetes。数砖与阿里巴巴、Booz Allen Hamilton、英特尔和Starburst 公司一起宣布,不仅要对Apache Spark的Delta Lake 开发支持,还要对Apache Hive、Apache Nifi 和Presto 的开发进行支持。

为更健壮的数据湖提供丰富的特性集

正如前面所讨论的,Delta Lake 使数据湖中的数据更容易处理,也更健壮。它旨在解决数据湖中常见的许多问题。例如,不完整的数据摄入可能导致数据损坏;为了解决这个问题Delta Lak 引入了 ACID事务,支持多个数据管道并发地向数据湖读写数据。提供数据湖的数据源可能无法提供完整的列数据或正确的数据类型,因此 Schema Enforcement 可以防止坏数据导入到数据湖中从而导致数据损坏。更改数据捕获和 update/delete/upsert的支持允许非Append 的作业在数据湖上正常工作,这对于GDPR/CCPA来说是必须的。更多关于Delta Lake 的介绍可以参见过往记忆大数据之前的文章:重磅 | Apache Spark 社区期待的 Delta Lake 开源了。

Delta Lake 的功能还在不断增强,比如 Delta Lake 0.4.0 支持 Python Api,支持一些简单功能的 SQL 处理,参见过往记忆大数据之前的文章:Spark Delta Lake 0.4.0 发布,支持 Python API 和部分 SQL。相信在未来 Delta Lake 还会支持更多的功能。

数据湖的开放性和可扩展性

Delta Lake 设计的主要原则是开放性和可扩展性。Delta Lake将所有数据和元数据存储在云对象存储中,采用开放协议设计,利用了JSON 和 Apache Parquet 等现有的开放格式。这种开放性不仅消除了厂商锁定的风险,而且对于数据科学、机器学习和SQL的无数不同用例来说,也是至关重要的。

为了确保项目的长期发展和社区的发展,所以数砖与Linux基金会合作,进一步发扬这种开放精神。

开放 Delta Lake 管理和社区参与

很高兴Linux基金会现在将Delta Lake作为中立的项目,并采用开放治理模型来鼓励参与和技术贡献。这将有助于为 Delta Lake 项目的长期管理提供一个框架,并为 Delta Lake 社区建立良好的生态系统,开放 Delta Lake 存储的标准。我们相信,这种方法将有助于确保存储在 Delta Lake 的数据保持开放和可访问性,同时推动更多的创新和发展,以解决这一领域的挑战性问题。

Databricks 团队为data & AI生态系统创建并贡献了各种开源项目,包括Apache Spark、MLflow、Koalas和Delta Lake。数砖团队将继续参与开源社区,因为这是将新功能引入市场的最快、最全面的方式;能够建立一个可持续的、健康的业务,同时与社区保持联系,以确保项目不会将客户锁定在专有系统或数据格式中。

关于 Linux 基金会

Linux基金会是一个非盈利性的联盟,其目的在于协调和推动Linux系统的发展,以及宣传、保护和规范Linux,该组织是2007年,由开源码发展实验室(Open Source Development Labs,OSDL)与自由标准组织(Free Standards Group ,FSG)联合起来成立的,其中MeeGo是Linux基金会管理下的Linux操作系统。

本文翻译自 https://databricks.com/blog/2019/10/16/delta-lake-now-hosted-by-the-linux-foundation-to-become-the-open-standard-for-data-lakes.html

本博客文章除特别声明,全部都是原创!
转载本文请加上:转载自过往记忆(https://www.iteblog.com/)
本文链接: 【Spark Delta Lake 现在由Linux基金会托管,将成为数据湖的开放标准】(https://www.iteblog.com/archives/6205.html)
喜欢 (2)
分享 (0)
发表我的评论
取消评论

表情
本博客评论系统带有自动识别垃圾评论功能,请写一些有意义的评论,谢谢!