课时01

01-大数据中为什么需要数据湖技术

课时02

02-Iceberg概念及特点

课时03

03-数据湖及Iceberg概念内容总结

课时04

04-Iceberg术语与表格式解释

课时05

05-Iceberg特点详述

课时06

06-Iceberg支持数据类型

课时07

07-Hive与Iceberg整合版本与配置

课时08

08-Hive操作Iceberg格式表

课时09

09-Hive操作Iceberg格式表总结

课时10

10-Iceberg表数据组织与查询原理

课时11

11-Iceberg表数据组织与查询案例操作

课时12

12-Spark与Iceberg整合导入依赖及设置Catalog

课时13

13-Spark使用HiveCatalog管理Iceberg表

课时14

14-Spark使用HadoopCatalog管理Iceberg表

课时15

15-Spark与Iceberg DDL之创建分区表及隐藏转换分区

课时16

16-Spark与Iceberg DDL之CREATE TABLE ... AS SELECT ...创建表

课时17

17-Spark与Iceberg DDL之REPLACE TABLE ...AS SELECT ...重建表与Drop删除表

课时18

18-Spark与Iceberg DDL之ALTER 增加、删除、重命名列

课时19

19-Spark与Iceberg DDL之ALTER 增加、删除分区

课时20

20-Spark与Iceberg整合查询操作之DataFrame读取Iceberg表

课时21

21-Spark与Iceberg整合查询操作之查询表快照信息

课时22

22-Spark与Iceberg整合查询操作之查询表历史、Datafile、Manifest信息

课时23

23-Spark与Iceberg整合查询操作之查询指定快照数据

课时24

24-Spark与Iceberg整合查询操作之根据时间戳查询数据

课时25

25-Spark与Iceberg整合查询操作之回滚快照

课时26

26-Spark与Iceberg整合查询操作之合并Iceberg数据文件

课时27

27-Spark与Iceberg整合查询操作之删除历史快照

课时28

28-Spark与Iceberg整合写操作之INSERT INTO & MERGE INTO 操作

课时29

29-Spark与Iceberg整合写操作之INSERT OVERWRITE操作

课时30

30-Spark与Iceberg整合写操作之DELETE FROM 操作

课时31

31-Spark与Iceberg整合写操作之UPDATE操作

课时32

32-Spark与Iceberg整合写操作时DataFrame API读写Iceberg

课时33

33-StructuredStreaming实时写Iceberg之Kafka数据分析

课时34

34-StructuredStreaming实时写Iceberg之读取实时数据写入Iceberg代码

课时35

35-StructuredStreaming实时写Iceberg之代码测试及注意点

课时36

36-Flink与Iceberg整合之Flink与Iceberg版本匹配关系

课时37

37-Flink与Iceberg整合之DataStream API 实时写入Iceberg表代码

课时38

38-Flink与Iceberg整合之DataStream API 实时写入Iceberg表代码测试及Hive查询

课时39

39-Flink与Iceberg整合之DataStream API 批量与实时读取Iceberg表数据

课时40

40-Flink与Iceberg整合之DataStream API 基于快照ID实时增量读取数据

课时41

41-Flink与Iceberg整合之定期提交任务合并Data Files 文件

课时42

42-Flink与Iceberg整合之SQL API 创建Iceberg表并插入数据

课时43

43-Flink与Iceberg整合之SQL API 批量和实时读取Iceberg表数据

课时44

44-Flink与Iceberg整合之SQL API 基于快照ID 实时增量读取Iceberg表数据

课时45

45-Flink与Iceberg整合之SQL API 实时读取Kafka数据写入Iceberg

课时46

46-Flink与Iceberg整合不足

课时47

47-数据湖技术Iceberg与Hudi对比

课时48

48-数据湖技术Iceberg总结