当前位置：首页 > news >正文

[数据湖] Apache Iceberg : 一种面向海量分析型数据集的开放表格式

news 2026/7/31 17:01:47

1 概述

https://iceberg.org.cn

产品介绍

产品定位：Apache Iceberg 是一种面向海量分析型数据集的开放表格式（Open Table Format），并非【数据库】、【查询引擎】或【存储系统】。

它在【对象存储】（S3 / GCS / ADLS / HDFS）上的 Parquet/ORC/Avro 数据文件之上，叠加一层元数据与事务抽象，让原始文件拥有接近 SQL 表的语义（ACID、Schema 演化、隐藏分区、时间旅行）。

诞生背景与原因：

2017 年前后 Netflix 在生产中大量使用 Hive 表，遇到三大痛点:

无可靠 ACID 事务、Schema 变更需重写数据、依赖目录 listing 做分区裁剪导致大规模下表规划极慢。

Ryan Blue 与 Daniel Weeks 主导启动 Iceberg，用“文件级元数据树 + 原子提交”替代“目录即分区”的 Hive 模型。

解决的核心问题：
- 把仓库级可靠性（原子提交、Serializable 隔离、乐观并发）下沉到【数据湖】；
- 【查询引擎】无需 list 目录即可做文件级/列级裁剪；
- 支持Add/Drop/Rename/Reorder 列而【无需重写数据】；
- 通过 Snapshot 机制原生支持【时间旅行与回滚】；
- 成为【引擎中立】标准，Spark / Trino / Flink / Hive / Impala / Snowflake / BigQuery / DuckDB 均可读同一份表。
Apache Iceberg URL：
- https://github.com/apache/iceberg
- https://iceberg.apache.org/
- https://iceberg.org.cn/ （中文社区站）

发展历程

2017：Netflix 内部启动，初版 Java 实现。
2018-11：开源并捐赠给 Apache 软件基金会，进入 Incubator。
2020-05：毕业为 Apache Top-Level Project（TLP）。
~2022（V2 Spec）：引入 Delete Files（position / equality delete），支持行级 UPDATE/DELETE/MERGE，脱离“【只能 append/overwrite 分区】”。
2025-09：1.10.0 稳定线；随后 V3 Spec 落地（Deletion Vectors、VARIANT 类型、Row Lineage、geometry/geography、timestamp_ns、默认列值等）。
2026-05：发布 1.11.0，完整实现 V3，Deletion Vectors 生产可用，增加服务端 Scan Planning、表级加密、Spark 4.x / Flink 2.x 支持。
2026 至今：V4 Spec 在邮件列表与设计文档阶段推进（single-file commit、Content Stats、relative path、列式元数据等），尚未发布可量产 spec。

核心功能

ACID 与并发控制：每次写入产生新 Snapshot，Catalog 指针原子切换；多写者走乐观并发 + 序列号冲突重试，读者永不看到部分写入。
完整 Schema Evolution：基于字段 ID 追踪，支持【加列/删列/改名/调序/安全类型拓宽】，历史数据文件无需重写，不会出现“【僵尸数据】”。
Hidden Partitioning（隐藏分区）：用户按原始列写 WHERE ts > ...，Iceberg 自动应用 month/day/bucket/truncate/hour 等 transform 做【分区裁剪】；分区列不污染业务 Schema。
Partition Evolution：分区策略可随负载演变（如从 day(ts) 改 hour(ts)），新旧布局共存，无需重写全表。
Time Travel & Rollback：按 Snapshot ID 或时间戳读取历史一致视图；可一键回滚到良好 Snapshot。
行级变更：V2 起支持 position/equality delete；V3 起推荐 Deletion Vector（Puffin + Roaring Bitmap），MERGE/UPDATE/DELETE 免大规模重写。
数据压缩与维护：自带 rewrite_data_files（bin-pack / sort / Z-order / Hilbert 实验）、snapshot expire、orphan file clean。
多引擎同表：同一份 Iceberg 表可被 Spark 写、Trino 读、Flink 流灌、Snowflake 外表挂载。

主要特点

真正开放：Apache 2.0 协议，ASF 治理，无单一厂商绑定；spec 与实现分离（Java 参考实现 + Python/Go/Rust 实现）。
引擎与 Catalog 中立：Catalog 可为 Hive MetaStore / AWS Glue / JDBC / Nessie / Polaris(REST) / Hadoop 本地；引擎侧各厂商自行实现 SPI。
元数据树避免目录 listing：Catalog → Metadata JSON → Manifest List → Manifest → Data File，规划复杂度为【元数据跳转】而非 O(n) 目录遍历。
列统计内嵌：Manifest 内记录 per-file min/max/null_count/bytes，支持细粒度文件裁剪。
存储格式解耦：数据文件可用 Parquet（主流）/ ORC / Avro。

局限性

自身不是【查询引擎】：性能取决于 Spark/Trino 等【消费方】；小文件、过期 Snapshot、orphan file 需【主动运维】。
流式高频写入有 commit 放大：V3 下每次 commit 仍可能写 metadata.json + manifest list + manifest；V4 正试图用 single-file commit 缓解。
Equality Delete 读放大历史包袱：V2 表若未 compaction，delete 文件过多会拖慢【读操作】；需依赖后台 compaction 策略。

Equality Delete（等值删除）是 Apache Iceberg Spec V2 引入的两种 Delete File 之一（另一种是 Position Delete），用来在不重写数据文件、且不知道行物理位置的前提下，实现行级 DELETE / UPDATE / MERGE。
核心思想：用“列值”而不是“文件+行号”来标记哪些行逻辑上已删除。它解决的问题与产生背景1 对象存储不可原地改行，V1 只能 Copy-on-Write 整文件重写；2 CDC / Flink 流上游只给你 user_id=12345 已删除 这种业务键值，并不清楚这行在 `s3://.../part-007.parquet` 文件的第几行；3 `Equality Delete` 让 `writer` 无需扫描【数据文件】来定位行位置，直接把 `{user_id:12345}` 写进一个小 delete 文件即可，写路径极轻。

Catalog 选型影响事务语义：Hadoop catalog 仅靠文件 rename 提供弱原子；生产建议 REST/JDBC/Nessie/Glue 等强一致型的 catalog。
跨引擎能力不对齐：V3 特性（Deletion Vector / Variant）在 Spark 支持好，Trino/DuckDB 等滞后，【混用引擎】需注意 feature matrix。

Apache Iceberg Compatibility Matrix/Iceberg 兼容性矩阵

适用场景

基于 S3/OSS/COS 构建开放 Lakehouse，拒绝数仓锁定、被厂商锁定。
多引擎共治：Spark 批处理 + Flink 流注入 + Trino/Dremio 交互式 BI + Python(PyIceberg) 直接分析。
需要时间旅行、审计、回滚、CDC 入湖的金融/电商/日志平台。
宽表 Schema 频繁演进（埋点、特征表、LLM embedding 表）。
【多云/混合云】下共享同一逻辑表给不同团队。

发展趋势

社区活跃度：Dev 邮件列表、GitHub PR、Rust/Python/REST Catalog/Terraform Provider 多语言生态同步迭代；2026 年焦点在 V4 元数据降本（single-file commit、Content Stats、relative path）。
Star / Fork 趋势：GitHub 长期位居数据湖格式榜首，2026 年周新增 Star 维持高位（外部观测约 9k+ 区间波动），Fork 与 contributor 数持续增长，Netflix/Apple/Airbnb/Snowflake/Databricks 均有人参与 spec 讨论。
总结：Iceberg 已成为开放 Lakehouse 表格式的事实标准，未来 12–18 个月的主线是从“功能完备的 V3”走向“元数据更轻、提交更便宜的 V4”，并进一步【统一多引擎元数据互操作】。

2 工作原理与架构

概念术语

Table Format：定义数据文件如何被组织成表、如何提交变更、如何做事务的规范，不等于存储格式。
Catalog：表的“入口指针服务”，记录 tableName → 当前 metadata.json 路径；原子换指针即完成 commit。
Metadata File（metadata/*.json）：存 schema、partition specs、sort orders、snapshot 列表、当前 snapshot-id、properties。
Snapshot：表在某次提交后的不可变一致性视图；每次写产生新 snapshot。
Manifest List（*.avro）：一个 snapshot 对应一个，列出本 snapshot 涉及的 manifest 文件及分区级摘要。
Manifest File（*.avro）：记录一组 data file 的路径、partition tuple、row count、列级 min/max/null_count、sequence number。
Data File / Delete File：实际 Parquet/ORC/Avro 数据；V2 起 delete file 标记被删行；V3 起推荐 Deletion Vector 存于 Puffin。
Hidden Partition Transform：identity/month/day/hour/bucket/truncate/hour 等函数，查询用原始列、物理按 transform 分区。
Sequence Number：manifest/snapshot 单调增序号，解决多写者顺序与 delete 应用顺序。

架构与运行原理

三层逻辑架构（Catalog / Metadata / Data）：

flowchart TDClient["Spark / Trino / Flink / PyIceberg"] -->|1. 解析表名| Catalog["Catalog<br/>(HMS/Glue/Nessie/Polaris-REST/JDBC)"]Catalog -->|2. 返回 current-metadata.json 路径| ClientClient -->|3. 读 metadata.json| Meta["Metadata Layer<br/>schema / partition-spec / snapshots[]"]Meta -->|4. current-snapshot-id → manifest-list| ML["Manifest List (Avro)"]ML --> M1["Manifest File A"]ML --> M2["Manifest File B"]M1 --> D1["Data File parquet-1"]M1 --> D2["Data File parquet-2 + DV(puffin)"]M2 --> D3["Data File parquet-3"]Client -->|5. 按统计裁剪 manifest/data| Read["Scan 计划结果"]

写路径：
1. 引擎算出新数据文件 / delete 文件；
2. 写新的 Manifest（含统计）→ 写 Manifest List → 写新 Metadata JSON（追加 snapshot）；
3. 通过 Catalog 做原子指针切换（乐观锁校验 base snapshot 未变，否则重试）。
读路径：
1. 问 Catalog 拿 metadata.json；
2. 取 current snapshot → manifest list → 并行读 manifest；
3. 用 partition bound + 列 min/max 做文件裁剪，绝不扫全表目录；
4. 对 V2/V3 表合并 delete file / deletion vector 得到可见行集。
时间旅行：SELECT * FROM t FOR SYSTEM_VERSION AS OF 123456789 或 AS OF '2026-07-31 10:00:00' 直接选历史 snapshot-id，复用旧 manifest 树。

关键模块（Java 参考实现）

iceberg-api：公开 API 与接口；iceberg-core：API 参考实现、Avro 支持；
iceberg-parquet / iceberg-orc / iceberg-arrow：文件格式集成；
iceberg-spark / iceberg-flink / iceberg-mr：引擎 Datasource V2 / Streaming / Hive InputFormat 集成；
iceberg-hive-metastore：HMS Catalog 后端；
周边：pyiceberg（Python 原生）、iceberg-rust、iceberg-go、polaris（REST Catalog 服务端）。

3 使用指南

安装部署

Docker （Flink + Iceberg + MinIO）【推荐】

[Iceberg/湖仓一体] 基于 Docker + Flink + Iceberg(含:Rest Catalog) + MinIO 构建湖仓一体架构的案例实践 - 博客园/千千寰宇

Linux（Spark + Hadoop Catalog 本地最小 demo）

# JDK 17/21，Spark 3.5+
export SPARK_VERSION=3.5.3
wget https://archive.apache.org/dist/spark/spark-$SPARK_VERSION/spark-$SPARK_VERSION-bin-hadoop3.tgz
tar -xzf spark-$SPARK_VERSION-bin-hadoop3.tgz# 启动 spark-sql，挂载 iceberg 运行时
./spark-$SPARK_VERSION-bin-hadoop3/bin/spark-sql \--packages org.apache.iceberg:iceberg-spark-runtime-3.5_2.12:1.11.0 \--conf spark.sql.extensions=org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions \--conf spark.sql.catalog.local=org.apache.iceberg.spark.SparkCatalog \--conf spark.sql.catalog.local.type=hadoop \--conf spark.sql.catalog.local.warehouse=/tmp/iceberg-wh

Windows

不推荐原生 Windows 跑 Spark 写 S3；建议 WSL2 + Ubuntu 按上述 Linux 步骤；
纯 Python 分析可用 pip install pyiceberg，配置 catalog.yaml 指向本地 fs 或 Glue REST，无需 JVM。

Docker（Trino + Iceberg + MinIO 快捷栈）

使用 trinodb/trino 镜像，挂载 etc/catalog/iceberg.properties：

connector.name=iceberg
iceberg.catalog.type=rest
iceberg.rest-catalog.uri=http://polaris:8181/api/catalog

关键操作

建表（V3 + 隐藏分区）

CREATE TABLE local.db.orders ( -- catalog = local , database = db , table = ordersid bigint,user_id string,amount decimal(10,2),ts timestamp
) USING iceberg -- 声明这是一个 Iceberg 表，而不是 Spark / Hive 默认表;  其他样例值: USING hive , USING parquet
-- days(ts) 属于 partition transform，不会新增物理列
PARTITIONED BY (days(ts)) -- 作用：按天对 ts 字段做分区 ; days(ts) 是 Iceberg 的分区转换函数（transform）; 实际生成的 partition 类似：ts_day=2025-01-15
TBLPROPERTIES ('format-version'='3'); -- 可选值： 1 / 2（目前阶段的主流版本） / 3

插入与时间旅行

INSERT INTO local.db.orders VALUES (1,'u1',9.9, timestamp('2026-07-31 09:00:00') );SELECT * FROM local.db.orders FOR SYSTEM_VERSION AS OF 1;

Schema 演进（不重写）

ALTER TABLE local.db.orders ADD COLUMN coupon string;
ALTER TABLE local.db.orders RENAME COLUMN amount TO total;

行级更新 / 合并

DELETE FROM local.db.orders WHERE id = 1;MERGE INTO local.db.orders tUSING (SELECT 1 as id, 'u2' as user_id, 12.0 as total) sON t.id = s.idWHEN MATCHED THEN UPDATE SET *WHEN NOT MATCHED THEN INSERT *;

分区演变

ALTER TABLE local.db.orders ADD PARTITION FIELD hours(ts);

维护

CALL local.system.rewrite_data_files('db.orders');
CALL local.system.expire_snapshots('db.orders', TIMESTAMP '2026-07-01 00:00:00');
CALL local.system.remove_orphan_files('db.orders');

PyIceberg 读

python install pyiceberg

from pyiceberg.catalog import load_catalog
cat = load_catalog("local", **{"type": "sql", "uri": "sqlite:///cat.db"})
tbl = cat.load_table("db.orders")
print(tbl.scan().to_arrow())

Z FAQ

Q: Iceberg 和 Delta Lake / Hudi 到底差在哪？

A: Iceberg 核心是引擎中立的开放 spec + Catalog 抽象，Spark/Trino/Flink/Snowflake 同权；Delta 与 Spark/Databricks 耦合更深（虽 UniForm 可双向）；Hudi 主打流式 CDC / 主键 upsert / 索引。【新建开放湖仓】多选 Iceberg，强 CDC 选 Hudi，已深度用 Databricks 可选 Delta。

Q: Iceberg 表“存在哪”？ *

【数据文件】在对象存储（S3/OSS/COS）或 HDFS；
【元数据】 JSON/manifest 在同表目录下 metadata/；
表名→metadata 的路径映射在 Catalog（HMS/Glue/REST）里。

三者分离，迁移数据时只要 Catalog 指针可换即可。

Q: 为什么查询变慢了，是不是 Iceberg 不行？

多半是小文件过多 / snapshot 未过期 / delete 文件堆积 / catalog 用了弱一致 hadoop 类型。

先 rewrite_data_files + expire_snapshots + remove_orphan_files，并把 catalog 换为 REST/JDBC；Iceberg 本身规划比 Hive 目录扫描快一个量级。

Q: V2 表和 V3 表怎么选？

新表直接 format-version=3（1.11.0+），享受 Deletion Vector、Variant、Row Lineage；
老 V2 表不必强制升，但行级更新多的表升级后读放大显著下降。

Q: Catalog 用 Hadoop 行不行？

本地 demo 可以；生产不行——hadoop catalog 靠文件覆盖模拟原子，并发写易冲突。
生产用 Polaris / Nessie / Glue / JDBC / 云厂商 REST。

Q: 多引擎同时写会乱吗？

不会，只要共享同一个强一致 Catalog 并走 Iceberg 【乐观并发协议】；但不同引擎对 V3 特性支持度不同，写方用到的特性读方必须能解析，否则报错。

Q: `Equality Delete`/等值删除 vs. `Position Delete`/位置删除 vs. `Deletion Vector`/删除向量

维度	Equality Delete (V2)	Position Delete (V2, V3 弃用)	Deletion Vector (V3+)
标识方式	列值（如 user_id=42）	(file_path, pos)	单 data file 的 Roaring Bitmap
writer 是否需要知道行位置	不需要	需要	需要
读时开销	类 join，随 delete 文件/行数放大	按 pos 跳过，O(1)	单 bitmap 查位，O(1)
积累后小文件数	无界增长	无界增长	每 data file 至多 1 个
典型生产者	Flink CDC upsert、GDPR 按主键删、业务 DELETE	Spark/Trino 已知行号的点删	V3 新表默认
V4 走向	社区提议废弃	已被 DV 替代	唯一推荐行删机制

Q: AIGC时代下，4大开源数据湖格式，哪款更有竞争优势？哪款与Python数据生态结合更紧密？—— Apache Iceberg *

把 AIGC 时代（RAG 知识库、Embedding 表、多模态元数据、训练特征回放、Agent 审计快照）作为【场景约束】，四大开源表格式（Iceberg / Delta / Hudi / Paimon）的【竞争格局】和【Python 亲密度】可以拆成两大结论：

综合竞争优势：Apache Iceberg 已是【开放湖仓事实标准】，AIGC 场景下凭"【引擎中立 + REST Catalog + V3 Variant/Row Lineage + PyIceberg 原生】"拿下最稳的基本盘；Paimon 在 Flink 原生流+湖内向量检索上差异化最强，Hudi 坚守 CDC/upsert 老巢，Delta 守 Databricks 围墙。

Python 数据生态结合最紧：Iceberg（【PyIceberg】 + DuckDB 扩展 + Pandas/Ray/Arrow 直通），远超 delta-rs（社区维护）、PyHudi（薄弱）、Paimon（几乎无原生 Python 客户端）。

AIGC 时代四维竞争力对照（2026 视角）

维度	Apache Iceberg	Delta Lake	Apache Hudi	Apache Paimon
治理与中立性	ASF 治、REST Catalog/Polaris/Nessie 标准开放	Linux 基金会但 Databricks 主导，Unity 闭源	ASF 治，Onehouse 商业背靠	ASF 治，阿里/Flink 系
多引擎平权	Spark/Trino/Flink/Dremio/Snowflake/BigQuery/DuckDB 全通	Spark 最优，外部靠 UniForm 转 Iceberg	Spark+Flink，Trino 弱	Flink 原生，Spark 次之，其余弱
流/CDC/upsert	MoR+DV 够用，非设计原点	CDF+DV，偏 Spark Streaming	MoR+record key 索引最强	LSM 原生流写+changelog 最强
AIGC 适配	V3 Variant 存 chunk/metadata、_row_id 做 embedding 外键、DV 删文档不重写、时间旅行复现训练集	无 Variant，array 存 embedding 靠 brute-force	1.2+ 原生 VECTOR/BLOB + ANN 索引	1.4 Lumina DiskANN 湖内向量检索 + BLOB 大对象
向量原生	否（交 Lance/Milvus，Iceberg 做底座）	否	是（Hudi 1.2+）	是（Paimon 1.4+）
Python 客户端	PyIceberg（ASF 官方）、DuckDB iceberg 扩展、delta 无此待遇	delta-rs（社区）	PyHudi 薄弱	基本无，靠 Java/Scala

核心判断：

"新项目默认 Iceberg" 在 2026 已是默认动作——Snowflake/BigQuery/S3 Tables/Athena/Glue 全站原生 Iceberg，反向兼容其他格式（Delta UniForm、Paimon Iceberg-compat 表面）全是"伪装成 Iceberg 被读"，重力方向单向。
AIGC 特化需求分裂：
- 做 RAG 知识库底座 + 多引擎共享 + Agent 审计时间旅行 → Iceberg（embedding 列用 array<float> 或 V3 Variant 包 metadata，向量检索外挂 Lance/Milvus，Iceberg 管版本与权限）。
- 做 Flink 实时灌 embedding + 湖内 ANN + 多模态 BLOB → Paimon 1.4 更省事，不用自己拼 Lance。
- 做 CDC 业务库镜像给特征平台 → Hudi MoR 仍最便宜。
- 栈全在 Databricks → Delta 别动，UniForm 开一下对外可读即可。

4个数据湖格式都不是为向量检索设计的——Iceberg/Delta/Hudi 传统三强存 embedding 只是 array<float> 列 + 暴力扫，真要 ANN 要么【Paimon/Hudi】的【内置索引】，要么 Iceberg+Lance/Milvus 分层。

Python 生态亲密度：Iceberg 断层领先

Iceberg
- pyiceberg（Apache 官方子项目，非社区 fork）：读有 filter pushdown、写 append/overwrite/merge、schema 演进、catalog 对接 REST/JDBC/Glue/SQLAlchemy，不依赖 JVM。
- DuckDB INSTALL iceberg 直接 ATTACH 's3://wh' AS ic TYPE iceberg 后 Pandas DataFrame ↔ Iceberg 双向流动，RAG 脚本里边读边 MERGE embedding 很常见。
- 与 pandas、pyarrow、ray、daft、polars（通过 pyiceberg/arrow）链路通顺；LlamaIndex 有 Iceberg 集成示例做 RAG 版本化。
- Rust 实现 iceberg-rust 还反哺 PyO3 绑定，Go 也有 iceberg-go。
Delta Lake
- deltalake（delta-rs 的 PyPI 包）能读能写能 vacuum，但非 Databricks 官方维护，Spark 外特性滞后（CDF、liquid cluster 不全），DuckDB 可读但非一等公民。
Hudi
- PyHudi 基本停留在实验层，生产 Python 作业多数还是起 Spark JVM 跑 py4j，纯 Python 直连弱。
Paimon
- 没有成熟独立 Python 客户端，Flink/Spark 是入口；做 Python 数据科学要绕道 Spark Pandas UDF 或把 Paimon 当 Iceberg-compat 表用 PyIceberg 读（只读不写稳）。

所以，"Python 数据科学家/ML 工程师单机到湖仓"最顺的链路是：PyIceberg 写元数据 → Parquet 落 S3 → DuckDB 本地 OLAP → Pandas 训练 → 回写 Iceberg DV，这条链路只有 Iceberg 闭环。

AIGC 选型建议

企业级 开放 Lakehouse + RAG 底座 + 多团队多引擎共治 → Iceberg V3（Variant 存文档 metadata、_row_id 锚 embedding、DV 做软删、Polaris 做跨云鉴权）。
Databricks 内 AIGC 流水线 → Delta + UniForm，别为"开放"硬迁。
Flink 流灌向量 + 要湖内 ANN + 多模态 BLOB → Paimon 1.4（Lumina 索引省一套外挂）。
业务库 CDC → 特征/标签实时更新 → Hudi MoR 仍是最优解。
纯 Python Notebook 玩 embedding 表 → Iceberg + PyIceberg + DuckDB，不碰 JVM。

趋势层面：V4 Iceberg 在推 single-file commit / relative path / column families（单列族刷新 embedding 不重写整文件），进一步把"AI 表"的维护成本压下来；而 Delta/Hudi/Paimon 都在不同形式"说 Iceberg 语言"，标准收敛方向已无悬念。

Y 推荐文献

https://iceberg.apache.org/docs/latest/
https://iceberg.org.cn/
https://github.com/apache/iceberg
https://www.ibm.com/cn-zh/think/topics/apache-iceberg
https://www.dremio.com/blog/apache-iceberg-v4-efficiency-rewrite/
https://lakeops.dev/blog/apache-iceberg-1-11-whats-new
《Apache Iceberg: The Definitive Guide》（Dremio 出品电子书，官网可索） - #

X 参考文献

https://iceberg.apache.org/ - iceberg.apache.org
https://iceberg.org.cn/ - iceberg.org.cn
https://github.com/apache/iceberg - GitHub
https://iceberg.apache.org/docs/1.5.0/ - iceberg.apache.org
https://www.ibm.com/cn-zh/think/topics/apache-iceberg - IBM
https://www.dremio.com/blog/apache-iceberg-v4-efficiency-rewrite/ - Dremio
https://lakeops.dev/blog/apache-iceberg-1-11-whats-new - LakeOps
https://www.modern-datools.com/tools/apache-iceberg - Modern Data Tools
https://iceberglakehouse.com/posts/iceberg-v4-state-july-2026 - iceberglakehouse
https://dev.to/alexmercedcoder/apache-data-lakehouse-weekly-july-21-to-july-29-2026-p73 - dev.to