SQLMesh在Snowflake上实现增量模型并发批处理的挑战与思考
2025-07-03 20:39:21作者:魏侃纯Zoe
背景介绍
SQLMesh是一个现代化的数据工程框架,它采用增量模型(INCREMENTAL_BY_TIME_RANGE)来处理时间序列数据。在Snowflake数据仓库环境中,这种模型通常采用"先删除后插入"(DELETE+INSERT)的策略来更新数据。然而,这种策略在Snowflake上遇到了并发处理的瓶颈。
问题本质
Snowflake在执行DELETE操作时会获取表级锁,这个锁会持续到整个事务结束。这意味着当一个批处理任务正在执行时,其他批处理任务必须等待当前任务完成后才能开始,从而完全丧失了并发处理的能力。
技术探索
集群键方案
最初考虑将时间列包含在表的集群键中,理论上这样可以使微分区包含连续的时间范围,从而限制锁的范围。然而经过测试发现:
- 集群键仅优化查询性能,对锁定机制无影响
- 任何DELETE操作都会导致表级锁定
- 集群键维护成本高,对频繁写入的表不经济
替代方案评估
经过深入分析,提出了几种可能的解决方案:
-
预删除策略:在批处理前统一执行DELETE,然后并行执行INSERT
- 优点:可实现并行加载
- 缺点:破坏了批处理的独立性,可能暴露部分数据
-
条件删除策略:仅在目标范围有数据时执行DELETE
- 优点:适用于初始加载和新数据加载
- 缺点:无法解决历史数据回填的问题
技术决策分析
经过权衡,SQLMesh团队认为DELETE+INSERT策略仍然是Snowflake环境下的最佳选择,原因包括:
- Snowflake隐藏了分区细节,无法直接操作特定分区
- INSERT OVERWRITE会覆盖整个表,不符合需求
- MERGE操作缺少WHEN NOT MATCHED BY SOURCE支持,无法追踪源表删除的行
未来展望
虽然目前Snowflake的限制使得并发批处理难以实现,但未来可能的突破点包括:
- Snowflake推出支持部分表并行替换的新特性
- 尝试使用Hybrid Table(混合表),但当前存在诸多限制:
- 专为事务型而非分析型工作负载设计
- 仅限AWS客户使用
- 存储容量上限为2TB
结论
在现有技术条件下,SQLMesh在Snowflake上实现增量模型的并发批处理面临根本性挑战。开发团队需要在数据一致性和处理效率之间做出权衡,同时也期待Snowflake未来能够提供更灵活的锁定机制来支持这类场景。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0308- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
868
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
268
308

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3