Paimon（数据湖框架）概述

---

一、数据湖

数据湖就是：一种能够满足海量存储和海量分析的系统架构方案（不是数据库，也不是技术架构，是一种概念、一种方案和思路）

其中HDFS实现了海量数据存储，Spark、MR、Flink等实现了海量数据分析

所以说，Hadoop生态本质上就是数据湖最合适的实现方案

二、什么是Paimon

Paimon是一项流式数据湖存储技术，可以为用户提供高吞吐、低延迟的数据摄入、流式订阅以及实时查询能力

Paimon本质上还是使用Spark以及Flink计算引擎处理数据，处理流程也不变，变化的地方在于，Paimon提供丰富的 API 用于数据存储和管理，包括Flink API、Spark API、Java API；也就是说在存储数据的过程加入了Paimon（也就是使用Paimon提供的API进行数据存储）

三、Paimon中的数据存储格式

• Paimon 使用列式存储格式（如Avro、Parquet 或 ORC）来存储数据，同时支持高效的压缩和索引机制。
• 数据存储在分布式文件系统（如 HDFS、S3）或对象存储中。

四、Paimon的核心特性

• 流批一体：支持实时和批量数据写入，并共享同一个存储层
• 事务控制：提供原子性、一致性、隔离性和持久性，确保数据可靠性。
• 高效查询：支持索引和列式存储（Parquet 或 ORC）
• 数据版本管理：支持数据快照，方便数据回溯
• 多引擎支持：支持Flink和Spark、兼容Hive和Presto
• 数据压缩和存储优化：高效压缩和小文件合并

五、Paimon的大规模实时更新

Paimon的大规模实时更新得益于LSM数据结构的追加能力
Paimon创新结合了湖存储 + LSM + 列式格式 (ORC, Parquet)，为湖存储带来大规模实时更新能力

六、LSM数据结构的核心思想

LSM 的核心思想是将随机写转换为顺序写，利用磁盘顺序写的高效性提升性能。它通过以下机制实现：

1. MemTable：数据首先写入内存中的 MemTable，通常是一个有序数据结构（如跳表或平衡树），支持快速插入和查找。
2. WAL（Write-Ahead Log）：为防止数据丢失，写入 MemTable 前会先记录到 WAL，确保系统崩溃时数据可恢复。
3. Immutable MemTable：当 MemTable 达到一定大小，会变为只读的 Immutable MemTable，并开始写入新的 MemTable。
4. SSTable（Sorted String Table）：Immutable MemTable 会被刷写到磁盘，形成 SSTable 文件，文件内部数据有序，便于后续查找和合并。
5. Compaction：随着 SSTable 文件增多，系统会定期合并和压缩这些文件，删除重复和过期数据，减少文件数量和查找开销。