做视频网站的方法玩具网站的制作

RowKind 可以标记删除，但它和 DeletionVector（删除向量）是为解决不同场景下的问题而设计的两种机制，它们工作在不同的层面。

简单来说：

• RowKind 是“逻辑层”的变更指令，主要用于 primary-key 表的 LSM-Tree 合并过程。
• DeletionVector 是“物理层”的读时过滤优化，用于在不重写数据文件的前提下，快速地“标记”某些行为无效，极大地提升了 DELETE/UPDATE 操作的性能，并使其能应用于所有表类型。

RowKind 是附加在每一行数据上的一个字段，有 +I (INSERT), -U (UPDATE_BEFORE), +U (UPDATE_AFTER), -D (DELETE) 四种类型。

• 工作机制：它完全依赖于 primary-key 表的 Merge-Tree (LSM) 结构和其合并引擎（Merge Engine）。
  • 当执行 DELETE FROM T WHERE pk = 1 时，Paimon 会写入一条 (pk=1, ..., RowKind=-D) 的新记录。
  • 这条 -D 记录和原来的数据记录可能存在于不同的数据文件（不同的 Level）。
  • 只有在读取时或者后台 Compaction（合并）时，Paimon 的合并引擎才会将主键相同的一组记录（比如一个 +I 和一个 -D）放在一起进行计算，最终将这条记录“消除”，使其在查询结果中不可见。
• 局限性：
  1. 必须有主键和合并引擎：RowKind 机制只在 primary-key 表中生效，因为它需要根据主键来找到所有相关的记录进行合并。对于没有主键的 Append-Only 表，RowKind 毫无意义。
  2. 读时开销：在 Compaction 发生之前，读取数据需要同时读取多个层级的文件，并在内存中进行合并计算，以判断哪些数据是有效的，这会带来一定的读取开销。
  3. Append-Only 表的难题：对于普通的 Append-Only 表，如果你想删除某一行，是没有办法的。因为没有主键和合并引擎，你无法通过写入 -D 记录来抵消已有的数据。传统的做法是找出包含要删除数据的整个文件，重写这个文件，把要删除的数据剔除掉，这个代价极其高昂。

DeletionVector 的出现：解决性能和普适性问题

DeletionVector 的出现就是为了解决上述 RowKind 的局限性，尤其是非主键表。它是一种Merge-on-Write (MOW) 思想的实现。

• 工作机制：

  1. 定位：当执行 DELETE FROM T WHERE ... 时，Paimon 首先会扫描数据，找到满足条件的行所在的物理位置（即哪个数据文件，以及是文件中的第几行）。
  2. 标记：Paimon 不会重写数据文件，也不会写入 -D 记录。取而代之，它会维护一个位图（Bitmap），这个位图就是删除向量。如果文件 file_A 的第 100 行和第 200 行被删除了，Paimon 就会在这个文件的删除向量中，将第 100 和 200 位标记为 1。
  3. 持久化：这个删除向量（位图）会作为一个非常小的独立索引文件（DELETION_VECTORS_INDEX）被保存下来。
  4. 读时过滤：当查询数据时，Paimon 会先检查是否存在删除向量索引。如果存在，就会在读取数据文件之前，先加载这个位图。当读取 file_A 时，它会根据位图直接跳过第 100 行和第 200 行的解析，就像它们不存在一样。

• 优势：

  1. 普适性：它不依赖主键和合并引擎，因此可以用于所有表类型，包括 Append-Only 表。这使得 Append-Only 表也具备了高效 DELETE/UPDATE 的能力。
  2. 高性能：DELETE 或 UPDATE 操作的开销非常小，因为它只涉及读数据和写一个极小的索引文件，避免了重写庞大数据文件带来的巨大 I/O 开销。
  3. 读取高效：在读取时，只是多了一步加载位图的操作，然后就可以直接跳过无效数据，避免了 RowKind 机制中复杂的内存合并计算。

结论：

DeletionVector 并不是要替代 RowKind，而是对 Paimon 更新删除能力的一个巨大增强和优化。它将昂贵的“写时复制/合并”（Copy-on-Write / Merge-on-Read）操作，变成了一个轻量级的“写时标记”（Merge-on-Write），极大地提升了 DELETE/UPDATE 的性能和适用范围，是 Paimon 实现高性能实时湖仓的关键技术之一。