简介

Delta Lake是由Databricks 公司开源的一个开源存储层，为数据湖带来了可靠性。Delta Lake提供了ACID事务、可伸缩的元数据处理以及统一的流和批数据处理。Delta Lake运行在现有数据湖之上，与Apache Spark api完全兼容。

特性

1. Spark上的ACID事务:可序列化的隔离级别确保读者永远不会看到不一致的数据。
2. 可伸缩的元数据处理:利用Spark的分布式处理能力，轻松处理PB级表的所有元数据和数十亿个文件。
3. 批流统一：Delta Lake既可以批处理也可以流式处理，流数据摄取，批量历史回填，交互式查询都是开箱即用的。
4. Schema Enforcement：Delta Lake提供了指定和实施模式的能力。这有助于确保数据类型是正确的，并且出现了所需的列，从而防止坏数据导致数据损坏。
5. Schema Evolution：大数据在不断变化。Delta Lake使您能够对可自动应用的表模式进行更改，而不需要繁琐的DDL。
6. 审计历史：Delta Lake事务日志详细记录了对数据所做的每个更改，提供了对这些更改的完整审计跟踪。
7. 版本控制: 数据版本控制支持回滚、完整的历史审计跟踪和可重复的机器学习实验。
8. 更新插入和删除：支持合并、更新和删除操作，以支持复杂的用例，如更改数据捕获、缓慢更改维度(SCD)操作、流更新等等。
9. 完全兼容Spark API：开发人员可以将Delta Lake与他们现有的数据管道一起使用，只需要做很少的更改，因为它与常用的大数据处理引擎Spark完全兼容