5
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Delta Lakeの削除ベクトル(Deletion Vector)について

Last updated at Posted at 2023-12-18

この記事はDatabricks Advent Calendar 2023の12月14日分として投稿するものです。

削除ベクトルの概要

削除ベクトル(Deletion Vector)はDelta Lakeのストレージ最適化のための新しい技術であり、Delta Lake 2.4以降 (Databricks Runtime 13.2以降)でDeltaテーブルに対して適用可能になっています。

削除ベクトルとは何か?どのように使えばいいかについて解説します。

削除ベクトルの仕組みとメリット

Delta Lakeの更新/削除の際の一般的な挙動

Delta Lakeではデータの更新/削除の際、元ファイルを上書きすることなく、新しいファイルを作成します。つまりParquetファイルから1行でも削除する時は、そのParquetファイルの残りのデータを新しいファイルとして出力することになります。以下のイメージ図の上側の流れになります。
(参照:Delta Transaction Log Protocol | Delta Lake )

削除ベクトルが適用されたDeltaテーブル

一方、削除ベクトルが適用されたDeltaテーブルの場合、新ファイルを作成することなく、削除対象行を表す削除ベクトルファイルが作成されます。以下のイメージ図の下側の流れになります。

スクリーンショット 2023-12-18 12.59.27.png

削除ベクトルのメリット

  • 削除ベクトルを適用することで、削除時にParquetファイルを新規作成する必要がなくなるため、削除が複数のパーティションにまたがり出力するParquetが大量になる場合に短時間で済むというメリットがあります。
  • 削除ベクトルが適用されたDeltaテーブルは、DBRが14.2以降でPhotonが有効など一定の条件を満たすと行レベルのコンカレンシーが有効になります

削除ベクトルの適用

  • テーブル作成時だけでなく、既存テーブルに対しても削除ベクトルを適用可能です。
    (DBR14.2ではデフォルトで非適用です)
CREATE TABLE <table-name> [options] TBLPROPERTIES ('delta.enableDeletionVectors' = true);

ALTER TABLE <table-name> SET TBLPROPERTIES ('delta.enableDeletionVectors' = true);
  • ワークスペースの設定を変更することで、削除ベクトルをデフォルトで有効にすることもできます。詳しくは以下のページを参照ください。
    (参考:削除ベクトルの自動有効化 | databricks

削除ベクトルを使ってみる

実際に、削除ベクトル非適用、削除ベクトル適用のDeltaテーブルを作成して削除するとどう違うのかを試してみました。DBR14.2を使いました。実際のノートブックはgithubに置いてあります

1 テーブル作成とデータ投入

以下がテーブル作成時のSQLで、SQL最下段のTBLPROPERTIESのところで設定します。上の非適用のテーブルではfalse、下の適用のテーブルではtrueに設定しました。

CREATE OR REPLACE TABLE $catalog_name.$schema_name.$table_dv_false (
  date INTEGER NOT NULL,
  delay INT NOT NULL,
  distance INT NOT NULL,
  origin STRING NOT NULL,
  destination STRING NOT NULL
)
LOCATION '$external_location_path/$table_dv_false'
TBLPROPERTIES ('delta.enableDeletionVectors' = false);
CREATE OR REPLACE TABLE $catalog_name.$schema_name.$table_dv_true (
  date INTEGER NOT NULL,
  delay INT NOT NULL,
  distance INT NOT NULL,
  origin STRING NOT NULL,
  destination STRING NOT NULL
)
LOCATION '$external_location_path/$table_dv_true'
TBLPROPERTIES ('delta.enableDeletionVectors' = true);

その後、初期データを投入しました(コードは省略)。

2 削除前のファイル

削除前のファイルの状況をLISTコマンドで見てみると以下の通りです。上が非適用、下が適用のテーブルで、それぞれParquetファイルは1つずつです。
スクリーンショット 2023-12-18 11.51.37.png
スクリーンショット 2023-12-18 11.51.52.png

3 データ削除

以下のDELETEコマンドでそれぞれ複数行を削除しました。

DELETE FROM <table name> WHERE origin = 'ATL' AND destination = 'IAD';

4-1 削除ベクトル非適用の場合の削除後のファイル

データ削除後の削除ベクトル非適用のDeltaテーブルのファイルの様子です。このように、旧Parquetファイルはそのままで、それとは別に新しいParquetファイルが出来ています。
スクリーンショット 2023-12-18 11.53.55.png

4-2 削除ベクトル適用の場合の削除後のファイル

データ削除後の削除ベクトル非適用のDeltaテーブルのファイルの様子です。新Parquetファイルが作られる代わりに、削除ベクトルファイルが作られています。
スクリーンショット 2023-12-18 11.55.57.png

5
3
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
5
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?