利用数据湖特性加速数据校验

数据湖自身会提供一些元数据的信息,我们可以利用这些信息进行快速粗略的数据校验

分区数据数校验

以Iceberg为例,catalog.db.tb2.partitions可以得到分区的元数据,里面包括了分区下数据条数和文件大小等信息

select a.*, b.*
from (
    select partition.date, sum(record_count) record_count, 'old' flag
    from catalog.db.tb1.partitions
    group by partition.date
) as a
full join (
    select partition.date, sum(record_count) record_count, 'new' flag
    from catalog.db.tb2.partitions
    group by partition.date
) as b
on a.date = b.date
where a.record_count is null or b.record_count is null or a.record_count != b.record_count
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容