利用數(shù)據(jù)湖特性加速數(shù)據(jù)校驗(yàn)

數(shù)據(jù)湖自身會(huì)提供一些元數(shù)據(jù)的信息,我們可以利用這些信息進(jìn)行快速粗略的數(shù)據(jù)校驗(yàn)

分區(qū)數(shù)據(jù)數(shù)校驗(yàn)

以Iceberg為例,catalog.db.tb2.partitions可以得到分區(qū)的元數(shù)據(jù),里面包括了分區(qū)下數(shù)據(jù)條數(shù)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
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

推薦閱讀更多精彩內(nèi)容