近日，袋鼠云大数据引擎专家郝卫亮，为大家带来了《袋鼠云在实时数据湖上的探索与实践》主题分享，帮助大家能了解到什么是实时数据湖、如何进行数据湖选型及数据平台建设数据湖的经验。
如今，大规模、高时效、智能化数据处理已是“刚需”，企业需要更强大的数据处理能力，来应对数据查询、数据处理、数据挖掘、数据展示以及多种计算模型并行的挑战。
因此，袋鼠云基于自研的一站式大数据基础软件——数栈提出相应的实时数据湖解决方案，能够兼容Iceberg、Hudi等数据湖平台。实时数据湖提供了多样化的分析能力，而不限于批处理、流处理、交互式查询和机器学习；提供了ACID事物能力，可以更好的保障数据质量；提供了完善的数据管理能力，包括数据格式、数据schema等；此外，实时数据湖还提供了存储介质可扩展的能力，支持HDFS、对象存储等。从而大大节省了数据存储成本、提升了开发效率，能够更快更好地挖掘数据价值。
该方案特点在于CDC数据实时入湖，能够保障技术自主可控、全增量一体化、分钟级时延、链路短、对业务稳定性无影响。
• 实时性高：CDC数据对实时性要求高，数据新鲜度越高，往往业务价值越高
• 历史数据量大：数据库的历史数据规模大
• 强一致性：数据处理必须要保证有序性而且结果需要一致性
• Schema动态演进：数据库对应的Schema会随着业务不断变更
在实时入湖落地过程中，研发团队也遇到了诸如小文件影响读写效率；客户群体使用的Flink版本大多还停留在1.12；因此需Hudi适配Flink1.12；存在多套Hadoop集群的场景下存在跨集群的需求等问题，最终都一一克服，提供了完美的解决方案。
在实时数据湖中包含实时ETL、离线ETL、OLAP三类任务，这三类任务在从ODS层到ADS层加工的过程中，聚合操作越来越多，IO越来越密集，多个任务SQL中具有相同逻辑的SQL片段。为此，技术团队探索出了物化视图的方案，完成平台化数据湖物化视图管理，Spark、Trino、Flink支持基于数据湖表格式管理物化视图。
在实时数据湖中基于数据湖构建的物化视图可实现流、批和OLAP任务之间共享，从而进一步降低实时数据湖中数据在整条链路中的延时，从而节省计算成本。
未来，实时数据湖方案还将持续优化，不断增加平台湖表管理的易用性；引入Paimon，让数栈支持对接Paimon、增加基于Paimon的湖仓一体建设；深入并增强内核，提升入湖的的性能；数据湖提供数据共享、支持多引擎，探索数据湖的安全管理方案。