Lakeformation写入模式最佳实践

概述

数据集成服务在将上游数据写入Lakeformation时，提供了LOAD和LOAD OVERWRITE两种写入模式。这两种模式都会在表的OBS路径下创建一个临时路径，将上游数据以表对应的文件格式直接写入该临时路径中；然后通过重命名文件的方式将其移动到表的正式目录下。不同之处在于，LOAD模式会直接移动文件，实现数据的新增；而LOAD OVERWRITE模式则会在移动文件前清除已有的分区数据，从而实现数据的更新。这种方式与Hive的LOAD和LOAD OVERWRITE语法相似。

写入模式

Load模式
Load模式是 Lakeformation最基本的写入方式。在表OBS路径下创建一个临时路径，将数据写进该临时的OBS路径的数据文件，在任务结束时将临时文件移到到表OBS正式路径下。不会对目标表进行清理操作，而是以新增的方式写入数据。
- 特点
  - 不清理目标表：写入数据前不会对目标表进行任何清理操作，新数据会追加到目标表中。
  - 支持增量写入：适用于数据追加场景，即目标表中已存在数据，新数据需要追加到目标表中，能够高效地处理增量数据。
- 实践样例
   假设源端为MySQL数据表data，目标表为Lakeformation数据表data，分区字段为dt。
  
  配置作业，MySQL表中的增量数据写入Lakeformation表中，Lakeformation会根据分区字段dt将数据追加到对应的分区中。
  
  图1 配置源端目的端数据表
  
  源端MySQL表结构如下：
```
CREATE TABLE `data` (
  `id` varchar(10) DEFAULT NULL,
  `dt` date DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
```
  目标端Lakeformation表结构如下：
  
  图2 Lakeformation表结构
Load Overwrite模式
Load Overwrite在表OBS路径下创建一个临时路径，将数据写进该临时的OBS路径的数据文件，在任务结束时，先清空对应分区数据，后临时文件移到到表OBS正式路径下。
- 实现
   这种模式在Lakeformation中通过以下步骤实现：
  1. 创建临时目录：首先创建一个临时目录，用于暂存写入的数据。
  2. 清空涉及的分区数据：在作业结束时，将涉及到已有分区数据进行清理。
  3. 添加数据文件：将临时目录的数据文件进行Rename操作，移到到对应的分区路径下。
- 动态分区与静态分区写入支持
  Load Overwrite模式支持动态分区和静态分区两种写入场景。
  - 动态分区写入：在动态分区写入场景中，源数据中的分区字段值将被自动识别并用于确定目标分区，允许一次性覆盖多个分区，满足多分区数据更新的需求。
  - 静态分区写入：在静态分区写入场景中，需要在写入操作中明确指定目标分区，仅覆盖指定的单个分区，适用于对特定分区进行精确更新的场景。
- 实践样例
   假设源端为MySQL数据表data，目标表为Lakeformation数据表data，分区字段为dt。
  
  源端MySQL表结构如下：
```
CREATE TABLE `data` (
  `id` varchar(10) DEFAULT NULL,
  `dt` date DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
```
  目标端Lakeformation表结构如下：
```
create table if not exists "default"."data"(
"id" varchar(10))
STORE AS PARQUET
 PARTITION BY ("dt" date)
```
  - 静态分区写入
    如果希望将MySQL表中的所有数据写入Lakeformation表的dt=2025-10-21的分区，可以选择LOAD OVERWRITE模式，并在写入操作中指定分区过滤条件为dt=2025-10-21。
    
    图3 配置参数
  - 动态分区写入
    Mysql的源端数据包含多个分区的数据，希望源数据中的分区字段值将被自动识别并用于确定目标分区，允许一次性覆盖多个分区，满足多分区数据更新的需求。
    
    你可以选择【写入模式】为【Load_Overwrite】，【分区过滤条件】为不填入，同时字段映射配置源和目的端分区字段dt。
    
    图4 配置参数
    
    图5 配置映射关系