本文將介紹Apache CarbonData 0.3.0的Update/Delete功能設計實現。

CarbonData是由華為開發、開源并支持Apache Hadoop的列式存儲文件格式，支持索引、壓縮以及解編碼等，其目的是為了實現同一份數據達到多種需求，而且能夠實現更快的交互查詢。目前該項目正處于Apache孵化過程中。

當前，CarbonData暫不支持修改表中已經存在的數據。但是在現實情況下，我們可能很希望這個功能，比如修改維度表，事實表的數據校正以及數據清洗等。很多使用CarbonData的用戶很希望其能夠提供數據的修改和刪除功能。為此，社區已經有人提了Issue(CARBONDATA-440)，其目標就是為CarbonData提供Update/Delete功能，這個功能應該會在CarbonData 0.3.0版本發布。本文將介紹CarbonData的Update/Delete功能設計實現。下面是實現這個功能的高層次設計目標：

(1)、提供標準的SQL接口，以便能夠執行更新和刪除操作;

(2)、對CarbonData表執行更新和刪除操作的時候，不需要對已經存在的整個CarbonData塊重寫，而是將修改寫到差異文件中(differential files);

(3)、在更新和刪除操作之后，CarbonData readers應該能夠跳過刪除的記錄，并且能夠無縫地讀取更新的記錄，而這些操作不需要用戶更新自己的應用程序。

下面我將詳細地介紹 CarbonData 的修改和刪除實現設計。

更新操作實現

我們都知道，CarbonData的數據是存儲在HDFS之上，而HDFS中的文件是不可修改的(immutable)，所以CarbonData的數據塊并不能原地進行修改。更新數據的一種方法就是刪除和重寫整個數據塊。然而這種方法的效率很低，會導致性能瓶頸。其實我們可以把更新操作認為是先"刪除"，然后"插入"，這也就是CarbonData中更新的實現。下面我將詳細地介紹CarbonData的更新操作實現：CarbonData的更新操作分為以下兩步：

1、***步包括兩個部分：

(1)、首先，CarbonData能夠通過執行過濾和Join操作識別出需要更新的行。為了能夠***標識行數據，CarbonData會使用到ROWID屬性。一旦需要更新的數據被標識后，這些數據將會在單獨的文件中被標識為deleted，而且這些文件是存放在當前表的目錄下，這些文件被稱為"Delete Delt"。

(2)、然后，CarbonData將會從源表中收集需要更新的列值并組成新的一行。新的行數據是由更新后的列值和目標表現有的列值數據組成的。這些更新的行數據將會在Spark處理層組成一個源RDD。

2、第二步：CarbonData將會使用現有的數據加載方法將源RDD中的行數據轉換成CarbobData數據格式。這個操作類似于數據的增量加載。這個新創建的CarbonData文件稱為"Update Delta"。Update Delta文件將存儲在同一個segment中，而且Update Delta本身擁有btree和塊級別的統計，正如正常的CabonData文件。這個新的btree應該追加到全局的btree中，并且緩存起來。

下面就是CabonData更新操作的時序圖：

刪除操作的實現

在刪除數據的情況，CarbonData也是通過過濾和Join操作來識別需要刪除的行。為了能夠***標識行數據，CarbonData會使用到ROWID屬性。一旦需要刪除的數據被標識后，這些數據將會在單獨的文件中被標識為deleted，這個文件也稱為"Delete Delta"文件。CarbonData記錄掃描程序將會把這些刪除的文件排除到結果集之外。在刪除操作之后，CarbonData不需要更新全局字典表，因為字典表中有些entries對其他的segment還是有效的。

刪除操作的原子性

CarbonData的刪除操作具有原子性，也就是說，刪除的數據要么全部被刪除，要么全部都沒刪除。刪除操作產生的Delete delta文件在刪除操作仍然進行時，對readers事不可見的;只有刪除操作成功進行，新刪除的行數據才會對readers可見。刪除的操作如下圖所示：

下面就是CabonData刪除操作的時序圖：

文件合并

對每次更新操作，都會產生update delta 和 delete delta文件，隨著頻繁地更新和刪除操作，會產生越來越多的delta文件。這將會產生許多小文件，這可能會影響scan操作的性能，所以我們需要將這些delta文件合并成單獨的delta文件。將許多個delta文件合并成一個delta文件的操作稱為compaction或 minor compaction. 操作如下：

而且compaction操作可以通過配置達到多少個delta files來觸發。在刪除或者更新操作之后，如果delta文件的數量達到了配置的閾值，compaction操作將會觸發。