头版Folia Daily Briefing
← 返回头版
科技互联网

Spotify开发RAP技术实现数据湖低延迟点查询

Spotify开发了Random Access Parquet(RAP)技术,旨在为数据湖中的点查询提供低延迟的访问方式[1]。该方案通过外部索引将键直接映射到文件位置和精确字节范围,有效规避了传统分布式SQL引擎的查询规划开销[1]。这一技术使得AI代理和在线服务能够从大规模数据中快速检索信息[1]。

Spotify的数据基础设施规模庞大,其中Petabytes级别的数据存储在Bigtable中用于在线业务场景,而Exabytes级别的数据存储在谷歌云存储(GCS)的数据湖中[1]。从GCS直接查询数据会产生30至100毫秒的延迟[1]。RAP方案在现有Parquet文件基础上运行,无需数据复制或ETL转换[1]。该技术采用"单键一页"的优化策略,通过减少读取操作和解压开销来进一步降低延迟[1]。

索引规模随数据量级递增,Terabytes数据量产生Gigabytes级别的索引,而Petabytes数据量则产生Terabytes级别的索引[1]。S3 Express One Zone和GCS Rapid Storage等存储服务可提供单位数毫秒的延迟[1]。


Random Access Parquet (RAP)数据湖索引点查询优化Spotify云存储