申请/专利权人:浪潮云信息技术股份公司
申请日:2020-10-27
公开(公告)日:2021-01-19
公开(公告)号:CN112241396A
主分类号:G06F16/17(20190101)
分类号:G06F16/17(20190101);G06F16/13(20190101);G06F16/182(20190101)
优先权:
专利状态码:有效-授权
法律状态:2023.05.23#授权;2021.02.05#实质审查的生效;2021.01.19#公开
摘要:本发明公开了一种基于Spark的对Delta进行小文件合并的方法及系统,属于大数据存储与计算应用领域,本发明要解决的技术问题为如何将Spark与Delta相结合,实现对小文件的快速定位并合并,采用的技术方案为:该方法具体如下:S1、使用Spark读取DeltaLog文件,分析DeltaLog获取每一个数据文件的元数据信息;S2、Spark根据合并策略对所有文件按照大小统计小文件的个数以及总文件个数;S3、对文件做统计操作,根据统计信息生成描述合并的元数据信息CompactionMetadata;S4、Spark根据合并元数据信息以及文件合并策略,判断文件是否需要合并:①、若是,则确定其合并规则,并执行步骤S5;②、若否,则退出;S5、Spark根据合并策略以及元数据信息确定需要合并的小文件以及目标文件大小以及数量。
主权项:1.一种基于Spark的对Delta进行小文件合并的方法,其特征在于,该方法具体如下:S1、使用Spark读取DeltaLog文件,分析DeltaLog获取每一个数据文件的元数据信息;S2、Spark根据合并策略对所有文件按照大小统计小文件的个数以及总文件个数;S3、对文件做统计操作,根据统计信息生成描述合并的元数据信息CompactionMetadata;S4、Spark根据合并元数据信息以及文件合并策略,判断文件是否需要合并:①、若是,则确定其合并规则,并执行步骤S5;②、若否,则退出;S5、Spark根据合并策略以及元数据信息确定需要合并的小文件以及目标文件大小以及数量。
全文数据:
权利要求:
百度查询: 浪潮云信息技术股份公司 基于Spark的对Delta进行小文件合并的方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。