Paimon实战 -- paimon系统表与审计监控

news2024/11/16 2:12:54

简介

paimon系统表按照元数据的分类，划分了如下10个系统表，通过系统表可以获取paimon表各维度的元数据和消费组信息。通过收集这些元信息，不仅可以排查问题使用，还可以构建统一的paimon元数据管理和消费组管理平台，比如paimon-web就是通过查询系统表来实现表的元数据管理和展示的，本文将详细介绍各系统表的含义和用途。

1.快照表

通过快照表可以查询该表的快照历史信息，包括快照中发生的记录计数

SELECT * FROM my_catalog.my_db.`MyTable$snapshots`;

通过查询快照表，可以了解该表的提交和过期信息以及数据的时间旅行。

Snapshots系统表常用的列如下:

列名	数据类型	含义
snapshot_id	Long	快照文件的编号。
schema_id	Long	快照文件对应的表结构文件编号，表结构文件的内容可在Schemas系统表中查看。
commit_time	Timestamp	快照文件的创建时间。
total_record_count	Long	快照文件指向的数据文件中数据的总条数。说明数据文件需要在内存中归并之后才能产出真正的数据。因此total_record_count列的取值并不等于Paimon表逻辑上保存的数据条数。
delta_record_count	Long	与上一个快照文件相比，数据文件中增加的数据条数。
changelog_record_count	Long	本次快照产出的变更数据条数。

2.表模式

可以通过schemas表查询该表的历史模式。

SELECT * FROM wstest2$schemas;

可以连接快照表和模式表以获得给定快照的字段。

SELECT s.snapshot_id, t.schema_id, t.fields  

 FROM wstest2$snapshots s JOIN

MyTable$schemas t  

  ON s.schema_id=t.schema_id where s.snapshot_id=1;

schemas系统表常用的列如下:

列名	数据类型	含义
schema_id	Long	表结构的编号。
fields	String	每一列的名称以及类型等。
partition_keys	String	分区列的名称。
primary_keys	String	主键的名称。
options	String	表参数的值。
comment	String	表的备注信息。
update_time	Timestamp	表结构修改的时间。

3.表选项

可以查询表的选项信息，这些信息是通过选项表从DDL指定的。未显示的选项将是默认值。可以参考[Configuration]。

SELECT * FROM wstest2$options;

Options系统表常用的列如下:

列名	数据类型	含义
key	String	配置项的名称。
value	String	配置项的值。

4.审计日志表

如果您在消费Paimon表的过程中，需要了解每一条数据的操作类型是插入还是删除，可以消费该Paimon表对应的Audit Log系统表。Audit log系统表产出的数据与对应的Paimon表一致，只是会在每条数据第1列的前面新增一个rowkind列，显式保存这条数据的类型，数据的操作类型共有+I（insert）、-U（update before）、+U（update after）、-D（delete）四种。而对于Audit Log系统表里的每条数据而言，它的数据操作类型都是+I（insert）

SELECT * FROM wstest2$audit_log;

5.表文件

可以查询指定快照表的文件。

-- 查询最新快照的文件SELECT * FROM wstest2$files;

-- 还可以查询指定快照的文件

SELECT * FROM wstest2$files /*+ OPTIONS('scan.snapshot-id'='1') */;

Files系统表常用的列如下:

列名	数据类型	含义
partition	String	文件所在的分区，格式为`[分区值 1, 分区值 2, ...]`。
bucket	Integer	文件所在的分桶，只对固定分桶的主键表有意义。
file_path	String	文件路径。
file_format	String	文件格式。
schema_id	Long	快照文件对应的表结构文件编号，表结构文件的内容可在Schemas系统表中查看。
level	Integer	文件所在的LSM层级，只对主键表有意义。 level = 0的文件就是未合并的小文件。通过查询某个分桶level = 0的文件数量，可以了解该分桶小文件合并的情况。
record_count	Long	文件内的数据条数。
file_size_in_bytes	Long	文件大小，以字节为单位。

6.表标签

通过标签表可以查询该表的标签历史信息，包括标签基于哪些快照，以及快照的一些历史信息。还可以获得所有标签名称和时间旅行到特定的标签数据名称。

SELECT * FROM wstest2$tags;

列名	数据类型	含义
tag_name	String	Tag名称。
snapshot_id	Long	创建Tag时基于的快照的编号。
schema_id	Long	Tag对应的表结构编号，可在Schemas系统表中查询编号对应的具体表结构。
commit_time	Timestamp	创建Tag时基于的快照的创建时间。
record_count	Long	文件内的数据条数。

7.表消费者

可以查询当前paimon表包含下一个快照的所有消费者。

SELECT * FROM wstest2$consumers;

8.表清单文件表

可以查询当前表的最新快照或指定快照中包含的所有清单文件。

-- 查询最新快照的清单信息

 SELECT * FROM wstest2$manifests;

-- 也可以查询带有指定快照的清单

SELECT * FROM wstest2$manifests /*+ OPTIONS('scan.snapshot-id'='1') */;

9.分区表

可以查询表的分区文件。

SELECT * FROM demo_p1$partitions;

Partitions系统表常用的列如下。

列名	数据类型	含义
partition	String	分区值，格式为`[分区值 1, 分区值 2, ...]`。
record_count	Long	分区内的数据条数。说明数据文件还需要在内存中归并之后才能产出真正的数据，因此record_count列的取值并不等于该分区逻辑上保存的数据条数。
file_size_in_bytes	Long	分区内的文件总大小，以字节为单位。未被当前快照文件指向的历史数据文件不会被统计。