Przejdź do treści głównej

Menu

Badania

Migracja Delta może tworzyć tagi i zmieniać historię znaczników czasu

Język: Polski

Iceberg 1.12.0 przeniósł dwie wersje pustej syntetycznej tabeli Delta do dwóch migawek i utworzył cztery tagi na podstawie numerów wersji źródłowych oraz zapisanych czasów zatwierdzeń z commit-info. W miejscu docelowym opublikowano jeden wpis historii znaczników czasu, dotyczący końcowej migawki. W drugiej migracji dwa identyczne zapisane czasy zatwierdzeń spowodowały błąd zduplikowanego tagu. Tabela docelowa pozostała nieobecna w lokalnym katalogu, a w jej ścieżce magazynu pozostały dwa tymczasowe pliki Avro. Zestaw testowy i obserwacje dotyczą pustych tabel lokalnych i wykorzystują Delta Standalone 3.3.3 oraz HadoopCatalog. Akcja migracji

Dwie migawki i jeden opublikowany wpis historii

Test ustawia czasy plików dziennika Delta w odstępie dwóch sekund. Starszy selektor znaczników czasu w Delta korzysta z czasów tych plików. Niezależnie zapisane źródłowe czasy zatwierdzeń z commit-info w udanym przypadku dzieli jedna milisekunda. Iceberg używa tych zapisanych wartości do nadawania nazw tagom delta-ts i tworzy również tag delta-version dla każdej wersji źródłowej. Zegary historii Delta · Przypisywanie tagów Iceberg

WyszukiwanieZaobserwowany wynik
Wyszukiwanie według znacznika czasu Delta dla czasu drugiego źródłowego pliku dziennikaWersja źródłowa 1
Tag Iceberg delta-version-0Wcześniejsza przeniesiona migawka
Wyszukiwanie według znacznika czasu Iceberg dla czasu drugiego pliku dziennika DeltaBrak pasującego wpisu w opublikowanej historii
Wyszukiwanie według znacznika czasu Iceberg dla czasu utworzenia pierwszej migawki docelowejBrak pasującego wpisu w opublikowanej historii
Wyszukiwanie według znacznika czasu Iceberg dla czasu z opublikowanej historii tabeli docelowejKońcowa przeniesiona migawka

Migracja przygotowuje oba odtworzenia w jednej transakcji tworzenia. Mechanizm budowania metadanych Iceberg odfiltrowuje pośrednie wpisy głównej migawki z opublikowanej historii. Wcześniejsza migawka i jej tagi pozostają dostępne. Mechanizm rozstrzygania znaczników czasu przeszukuje opublikowaną historię. Pierwszy zestaw testowy oczekiwał dwóch wpisów i zatrzymał się na tym sprawdzeniu. Poprawiony zestaw osobno sprawdził obie migawki z tagami oraz historię zawierającą tylko końcową migawkę. Filtr pośrednich wpisów dziennika · Mechanizm rozstrzygania historii · Wcześniejsza zmiana historii

Powtórzone zapisane czasy

W drugim przypadku źródło nadal ma dwa uporządkowane czasy plików dziennika, więc oba pierwotne punkty odcięcia wersji pozostają dostępne do odczytu. Dwa zapisane w commit-info znaczniki czasu zatwierdzeń są identyczne. Drugie odtworzenie próbuje utworzyć ten sam tag delta-ts-1577836800000 i napotyka mechanizm Iceberg sprawdzający zduplikowane referencje, zanim transakcja tworzenia zostanie zatwierdzona. Katalog wskazuje, że tabela nie istnieje. Osobna kontrola plików wykazała dwa tymczasowe pliki Avro o łącznym rozmiarze 8 641 bajtów. Zestaw testowy sprawdza starszy zapisany znacznik czasu używany przez tę akcję. W nowszych wersjach Delta inCommitTimestamp jest odrębnym polem protokołu. Proponowana implementacja migracji Delta Kernel zawiera już logikę pomijania powtarzających się tagów czasu. Sprawdzanie zduplikowanych referencji · Obliczanie nazwy tagu Delta · Protokół Delta · Proponowana obsługa w Kernel

W przypadku migracji obsługującej odbiorców danych historycznych zapisz razem wersję źródłową, zegar selektora źródłowego i referencję do migawki docelowej. Osobno przećwicz odczyty przy użyciu nazwanych referencji i znaczników czasu. Jeśli tworzenie się nie powiedzie, sprawdź osobno katalog i pliki docelowe. W naszych testach zmierzyliśmy te ścieżki na pustych syntetycznych tabelach i lokalnym katalogu HadoopCatalog. Nie zmierzyliśmy działania Spark SQL, równości rekordów, zachowania przy ponawianiu prób ani działania innych katalogów.

Odtwórz

Pobierz ClockReplay.java, pom.xml i obserwacje do jednego folderu. W tym folderze użyj JDK 17 i Maven. W zweryfikowanym uruchomieniu wykorzystano Liberica JDK Lite 17.0.21.0.3+5 i Maven 3.9.16. Maven rozwiązuje zależności o ustalonych wersjach w katalogu tymczasowym. Mechanizm uruchamiania kodu źródłowego Java wykonuje migrację dla dwóch nowo zapisanych par plików dziennika. Cel Maven dla ścieżki klas · Mechanizm uruchamiania kodu źródłowego Java

set -eu
sapien_delta_run=$(mktemp -d)
trap 'rm -rf -- "$sapien_delta_run"' EXIT
mkdir "$sapien_delta_run/fixture"
mvn -C -B -q -f pom.xml -Dmaven.repo.local="$sapien_delta_run/repository" \
  org.apache.maven.plugins:maven-dependency-plugin:3.8.1:build-classpath \
  -DincludeScope=runtime -Dmdep.outputFile="$sapien_delta_run/classpath.txt"
java --class-path "$(cat "$sapien_delta_run/classpath.txt")" --source 17 ClockReplay.java \
  "$sapien_delta_run/fixture"
sapien_delta_warehouse="$sapien_delta_run/fixture/warehouse/fixture"
cat "$sapien_delta_warehouse/distinct_times/metadata/v1.metadata.json"
find "$sapien_delta_warehouse/repeated_time" -type f -exec wc -c {} +

Program sprawdzający wypisuje te dwa wiersze wyników.

DISTINCT sourceCutoffVersion=1 migratedSnapshots=2 migrationTags=4 publishedHistoryEntries=1 targetCutoffSnapshot=null
REPEATED duplicateTimestampTagRejected=true catalogTableExists=false

Odczyt metadanych udostępnia snapshots, refs i snapshot-log. Ostatnie polecenie sporządza wykaz plików w miejscu docelowym nieudanej migracji przed usunięciem plików tymczasowych. Identyfikatory migawek, czasy utworzenia i nazwy plików tymczasowych mogą się różnić między uruchomieniami. Porównaj zachowane przypisania tagów oraz wyniki dotyczące katalogu i znaczników czasu.