1. 相比Parquet，目前StreamingFileSink支持ORC的难点在哪里呢？ 2. BulkWriter是不是攒微批写文件的？
JingsongLee <[email protected]> 于2019年12月9日周一 下午3:24写道： > Hi 帅， > - 目前可以通过改写StreamingFileSink的方式来支持Parquet。 > (但是目前StreamingFileSink支持ORC比较难) > - BulkWriter和批处理没有关系，它只是StreamingFileSink的一种概念。 > - 如果sync hive分区，这需要自定义了，目前StreamingFileSink没有现成的。 > > 在1.11中，Table层会持续深入这方面的处理，实时数仓落hive，在后续会一一解决数据倾斜、分区可见性等问题。[1] > > [1] https://issues.apache.org/jira/browse/FLINK-14249 > > Best, > Jingsong Lee > > > ------------------------------------------------------------------ > From:陈帅 <[email protected]> > Send Time:2019年12月8日(星期日) 10:04 > To:[email protected] <[email protected]> > Subject:Flink实时数仓落Hive一般用哪种方式好？ > > 有人说直接写到HBase，再在Hive关联Hbase表 > 但是我想直接写文件到HDFS，再通过Hive外表加载，不过有几个问题不明白： > > 1. 如果用行式格式实时写没有问题，StreamingFileSink也支持，但是如果我想用列式格式（如Parquet或ORC) > 写的话，目前来看没有现成的Streaming > Writer，官方提供的都是 > BulkWriter，只支持批处理方式。是不是不建议用列式格式进行流式写？如果能的话需要自己定义StreamingWriter吗？对于 > 业务上的Update和Delete操作 数据一般是如何sync进Hive的？ > > 2. 写入HDFS文件后，要怎么让Hive自动发现新加的分区？能在Flink ETL程序中一并完成吗？ >
