Исследования
Миграция Delta может создавать теги и менять историю временных меток
Iceberg 1.12.0 перенёс две версии пустой синтетической таблицы Delta в два снимка и создал четыре тега на основе номеров исходных версий и сохранённых времён commit-info. В целевой таблице была опубликована одна запись истории временных меток — для последнего снимка. При второй миграции два одинаковых сохранённых времени коммита вызвали ошибку из-за дублирующегося тега. Целевая таблица отсутствовала в локальном каталоге, а в её пути в хранилище остались два промежуточных файла Avro. В тестовом наборе и результатах наблюдений используются пустые локальные таблицы с Delta Standalone 3.3.3 и HadoopCatalog. Операция миграции
Два снимка и одна опубликованная запись истории
В тесте времена файлов журнала Delta заданы с разницей в две секунды. Устаревший механизм выбора Delta по временной метке использует именно эти времена файлов. Независимо сохранённые в источнике времена commit-info в успешном случае различаются на одну миллисекунду. Iceberg использует эти сохранённые значения для именования тегов delta-ts, а также создаёт тег delta-version для каждой версии источника. Часы истории Delta · Назначение тегов Iceberg
| Запрос | Результат |
|---|---|
| Поиск Delta по времени второго исходного файла журнала | Исходная версия 1 |
Тег Iceberg delta-version-0 | Более ранний перенесённый снимок |
| Поиск Iceberg по времени второго файла журнала Delta | Подходящей записи в опубликованной истории нет |
| Поиск Iceberg по времени создания первого целевого снимка | Подходящей записи в опубликованной истории нет |
| Поиск Iceberg по опубликованному времени истории целевой таблицы | Последний перенесённый снимок |
Миграция подготавливает оба воспроизведения в одной транзакции создания. Механизм построения метаданных Iceberg исключает промежуточные записи основного снимка из публикуемой истории. Более ранний снимок и его теги остаются доступны. Механизм разрешения временных меток ищет по опубликованной истории. Наш первый тестовый набор ожидал две записи и остановился на этой проверке. В исправленном наборе оба снимка с тегами и история, содержащая только последний снимок, проверялись отдельно. Фильтр промежуточных записей журнала · Механизм разрешения истории · Предыдущее изменение истории
Повторяющиеся сохранённые времена
Во втором случае источник по-прежнему содержит два упорядоченных времени файлов журнала, поэтому обе исходные версии остаются доступны при выборе по соответствующей временной границе. Две сохранённые временные метки commit-info совпадают. При втором воспроизведении система пытается создать тот же тег delta-ts-1577836800000 и до фиксации транзакции создания сталкивается с проверкой Iceberg на дублирующуюся ссылку. Каталог сообщает, что таблица отсутствует. Отдельная проверка файлов обнаружила два промежуточных файла Avro общим размером 8 641 байт. Тестовый набор проверяет устаревшую сохранённую временную метку, которую использует операция. В более новых версиях Delta inCommitTimestamp — отдельное поле протокола. Предложенная реализация миграции на Delta Kernel уже содержит логику пропуска повторяющихся тегов времени. Проверка дублирующихся ссылок · Расчёт имени тега Delta · Протокол Delta · Предложенная обработка в Kernel
Если исторические данные после миграции будут использоваться потребителями, сохраните вместе версию источника, часы, используемые для выбора в источнике, и ссылку на целевой снимок. Отдельно проверьте чтение по именованной ссылке и по временной метке. После неудачного создания также следует отдельно проверить каталог и файлы в целевом расположении. В наших запусках эти сценарии измерялись на пустых синтетических таблицах и в локальном HadoopCatalog. Spark SQL, идентичность записей, поведение при повторных попытках и другие каталоги не проверялись.
Воспроизвести
Скачайте ClockReplay.java, pom.xml и результаты наблюдений в одну папку. Запускайте команды из этой папки с помощью JDK 17 и Maven. В проверенном запуске использовались Liberica JDK Lite 17.0.21.0.3+5 и Maven 3.9.16. Maven разрешает зависимости фиксированных версий во временный каталог. Средство запуска исходного кода Java выполняет миграцию для двух вновь записанных пар файлов журнала. Цель Maven для пути к классам · Средство запуска исходного кода 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 {} +Проверка выводит эти две строки с результатами.
DISTINCT sourceCutoffVersion=1 migratedSnapshots=2 migrationTags=4 publishedHistoryEntries=1 targetCutoffSnapshot=null
REPEATED duplicateTimestampTagRejected=true catalogTableExists=falseПри чтении метаданных доступны snapshots, refs и snapshot-log. Последняя команда составляет список файлов в целевом расположении после неудачного создания, прежде чем временные файлы будут удалены. Идентификаторы снимков, время создания и имена промежуточных файлов могут отличаться при разных запусках. Сравните сохранённое соответствие тегов, а также результаты проверок каталога и поиска по временной метке.