Oracle Cloud Infrastructure - Dokumentation

Data Flow und Delta Lake

Data Flow unterstützt standardmäßig Delta Lake, wenn Ihre Anwendungen Spark 3.2.1 oder höher ausführen.

Mit Delta Lake können Sie eine Lakehouse-Architektur auf Basis von Data Lakes erstellen. Delta Lake bietet ACID-Transaktionen, skalierbare Metadatenverarbeitung und vereinheitlicht Streaming- und Batchdatenverarbeitung auf Basis von vorhandenen Data Lakes. Delta Lake 3.1.0 wird mit der Data Flow Spark 3.5.0-Verarbeitungs-Engine unterstützt. Delta Lake 2.0.1 und 1.2.1 werden mit der Data Flow Spark 3.2.1-Verarbeitungs-Engine unterstützt.

So verwenden Sie Delta Lake mit Datenfluss:
  • Die Spark-Version in Data Flow muss 3.2.1 (oder höher) sein.
  • Verwenden Sie das delta-Format.
Weitere Informationen zu Delta Lake und seiner Verwendung finden Sie in den Versionshinweisen zu Delta Lake und in der Dokumentation zu Delta Lake.

Delta Lake laden

Führen Sie diese Schritte aus, um Delta Lake für die Verwendung mit Data Flow zu laden.

Verwenden Sie die Spark-Konfigurationseigenschaft spark.oracle.deltalake.version, um anzugeben, welche Version von Delta Lake verwendet werden soll. Stellen Sie ihn auf einen der folgenden Werte ein:
Spark.oracle.deltalake.version-Werte
Spark-Version Wert von spark.oracle.deltalake.version Binärdateien geladen
3,5 3.1.0 Delta Lake 3.1.0
3.2.1 2.0.1 Delta Lake 2.0.1
3.2.1 1.2.1 Delta Lake 1.2.1
3,5 3,2 none Es wurden keine Delta Lake-Binärdateien geladen. Sie müssen sie angeben.
Hinweis

Wenn Sie keinen Wert für spark.oracle.deltalake.version festlegen, werden die Delta Lake 1.2.1-Binärdateien standardmäßig geladen.

Wenn Sie spark.oracle.deltalake.version auf none setzen, müssen Sie die Delta Lake-Abhängigkeits-Librarys als Teil der Anwendungs-JAR angeben. Weitere Informationen finden Sie in der öffentlichen Dokumentation zu Delta Lake.

Um beispielsweise Delta Lake 3.1.0 zu laden, verpacken Sie die folgenden Bibliotheken:
  • delta-storage-3.1.0.jar
  • Delta-Spark_2.12-3.1.0.jar
  • Delta-Beiträge_2.12-3.1.0.jar
und führen Sie folgende Schritte aus:
  1. Geben Sie für Java- oder Scala-Anwendungen die Delta Lake 3.1.0-Abhängigkeit vom Maven-Repository an:
    <dependency>
    <groupId>io.delta</groupId>
    <artifactId>delta-spark_2.12</artifactId>
    <version>3.1.0</version>
</dependency>
<dependency>
    <groupId>io.delta</groupId>
    <artifactId>delta-contribs_2.12</artifactId>
    <version>3.1.0</version>
</dependency>
    Oder stellen Sie für Python-Anwendungen die Delta Lake-Bibliothek in einem Package zusammen, und stellen Sie sie der Anwendung bereit.
  2. Legen Sie die Spark-Konfiguration so fest, dass Delta Lake aktiviert wird:
    spark.delta.logStore.oci.impl -> io.delta.storage.OracleCloudLogStore
spark.sql.extensions -> io.delta.sql.DeltaSparkSessionExtension
spark.sql.catalog.spark_catalog -> org.apache.spark.sql.delta.catalog.DeltaCatalog
Um beispielsweise Delta Lake 2.0.1 zu laden, verpacken Sie die folgenden Bibliotheken:
  • delta-core_2.12-2.0.1.jar
  • Delta-Beiträge_2.12-2.0.1.jar
  • delta-storage-2.0.1.jar
und führen Sie folgende Schritte aus:
  1. Geben Sie für Java- oder Scala-Anwendungen die Delta Lake 2.0.1-Abhängigkeit vom Maven-Repository an:
    <dependency>
  <groupId>io.delta</groupId>
  <artifactId>delta-core_2.12</artifactId>
  <version>2.0.1</version>
</dependency> 
<dependency>
  <groupId>io.delta</groupId>
  <artifactId>delta-contribs_2.12</artifactId>
  <version>2.0.1</version>
  </dependency>
    Oder stellen Sie für Python-Anwendungen die Delta Lake-Bibliothek in einem Package zusammen, und stellen Sie sie der Anwendung bereit.
  2. Legen Sie die Spark-Konfiguration so fest, dass Delta Lake aktiviert wird:
    spark.delta.logStore.oci.impl -> io.delta.storage.OracleCloudLogStore
spark.sql.extensions -> io.delta.sql.DeltaSparkSessionExtension
spark.sql.catalog.spark_catalog -> org.apache.spark.sql.delta.catalog.DeltaCatalog
Hinweis

Sie können Delta Lake auch in den erweiterten Optionen in der Konsole aktivieren, wenn Sie eine Anwendung erstellen oder eine Anwendung ausführen.

Beispielverwendung der Delta Lake-API

Beispiele für die Verwendung der Delta Lake-API mit Data Flow.

Die Datenfluss-Spark-Engine unterstützt standardmäßig das delta-Format. Delta Lake-APIs sind für die Sprachen Java, Python und Scala verfügbar. Wenn Sie Delta Lake-Python-APIs verwenden, verwenden Sie den benutzerdefinierten archive.zip-Abhängigkeitspackager, nehmen Sie das Delta-Spark-Package auf, wie unter Spark-Submit-Funktionalität in Data Flow beschrieben.

Verwendungsbeispiele

Java oder Scala
spark.read().format("delta").load(<path_to_Delta_table>)
df.write().format("delta").save(<path_to_Delta_table>)
val deltaTable = io.delta.tables.DeltaTable.forPath(spark, <path_to_Delta_table>)
deltaTable.vacuum()
Python
spark.read.format("delta").option("versionAsOf", 1).load(<path_to_Delta_table>)
from delta.tables import *
deltaTable = DeltaTable.forPath(spark, <path_to_Delta_table>)
deltaTable.vacuum()
deltaTable.history()
SQL
spark.sql("CONVERT TO DELTA parquet.`" + <path_to_Parquet_table> + "`");
spark.sql("DESCRIBE HISTORY delta.`" + <path_to_Delta_table> + "`");

Beispiele

Hier finden Sie Codebeispiele, mit denen Sie mit der Verwendung von Delta Lake mit Data Flow beginnen können.

Beispiele finden Sie in den Oracle-Beispielen auf GitHub.