{"id":82038,"date":"2020-05-19T01:42:26","date_gmt":"2020-05-18T23:42:26","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/pogruzhenie-v-delta-lake-prinuditelnoe-primenenie-i-evolyucziya-shemy"},"modified":"2020-05-19T01:42:26","modified_gmt":"2020-05-18T23:42:26","slug":"pogruzhenie-v-delta-lake-prinuditelnoe-primenenie-i-evolyucziya-shemy","status":"publish","type":"post","link":"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/pogruzhenie-v-delta-lake-prinuditelnoe-primenenie-i-evolyucziya-shemy","title":{"rendered":"Bevezet\u00e9s a Delta Lake-be: k\u00f6telez\u0151 \u00e9rv\u00e9ny\u0171 s\u00e9ma \u00e9s evol\u00faci\u00f3","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><i><b>Hell\u00f3, Habr! \u00d6r\u00f6mmel mutatom be az \u00edr\u00e1s ford\u00edt\u00e1s\u00e1t. <noindex><a rel=\"nofollow\" href=\"https:\/\/databricks.com\/blog\/2019\/09\/24\/diving-into-delta-lake-schema-enforcement-evolution.html\">\u201eM\u00e9lyrehat\u00f3 Delta Lake: S\u00e9m\u00e1k K\u00e9nyszer\u00edt\u00e9se &amp; Fejl\u0151d\u00e9se\u201d<\/a><\/noindex> Burak Yavuz, Brenner Heintz \u00e9s Denny Lee szerz\u0151it\u0151l, amelyet a kurzus ind\u00edt\u00e1s\u00e1t megel\u0151z\u0151en k\u00e9sz\u00edtettek. <noindex><a rel=\"nofollow\" href=\"https:\/\/otus.pw\/J1P5\/\">\u201eAdatm\u00e9rn\u00f6k\u201d<\/a><\/noindex> az OTUS-t\u00f3l.<\/b><\/i><\/p>\n<p><img decoding=\"async\" alt=\"Bevezet\u00e9s a Delta Lake-be: k\u00f6telez\u0151 \u00e9rv\u00e9ny\u0171 s\u00e9ma \u00e9s evol\u00faci\u00f3\" src=\"\/wp-content\/uploads\/2020\/05\/1d20921d8d4a1c1e0f8afee4fc019024.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p>Az adatok, ak\u00e1rcsak tapasztalataink, folyamatosan gy\u0171lnek \u00e9s fejl\u0151dnek. Ahhoz, hogy l\u00e9p\u00e9st tartsunk, ment\u00e1lis modelljeinknek alkalmazkodnia kell az \u00faj adatokhoz, amelyek k\u00f6z\u00f6tt \u00faj dimenzi\u00f3k tal\u00e1lhat\u00f3ak - \u00faj m\u00f3dok, amelyekkel azokra a dolgokra figyelhet\u00fcnk, amelyekr\u0151l kor\u00e1bban nem volt tudom\u00e1sunk. Ezek a ment\u00e1lis modellek alig k\u00fcl\u00f6nb\u00f6znek a t\u00e1bl\u00e1k s\u00e9m\u00e1it\u00f3l, amelyek meghat\u00e1rozz\u00e1k, hogyan oszt\u00e1lyozzuk \u00e9s dolgozzuk fel az \u00faj inform\u00e1ci\u00f3kat.<\/p>\n<p>Ez elvezet minket a s\u00e9ma kezel\u00e9s\u00e9nek k\u00e9rd\u00e9s\u00e9hez. Ahogy az \u00fczleti feladatok \u00e9s k\u00f6vetelm\u00e9nyek id\u0151vel v\u00e1ltoznak, a data strukt\u00far\u00e1ja is v\u00e1ltozik. A Delta Lake lehet\u0151v\u00e9 teszi \u00faj dimenzi\u00f3k egyszer\u0171 bevezet\u00e9s\u00e9t az adatok v\u00e1ltoz\u00e1sakor. A felhaszn\u00e1l\u00f3knak egyszer\u0171 szemantik\u00e1hoz van hozz\u00e1f\u00e9r\u00e9s\u00fck a t\u00e1bl\u00e1ik s\u00e9m\u00e1j\u00e1nak kezel\u00e9s\u00e9hez. Ezek az eszk\u00f6z\u00f6k k\u00f6z\u00e9 tartozik a s\u00e9ma k\u00e9nyszer\u00edt\u00e9se (Schema Enforcement), amely megv\u00e9di a felhaszn\u00e1l\u00f3kat a t\u00e1bl\u00e1ik v\u00e9letlen szennyez\u00e9s\u00e9t\u0151l hib\u00e1s vagy felesleges adatokkal, valamint a s\u00e9ma fejl\u0151d\u00e9se (Schema Evolution), amely lehet\u0151v\u00e9 teszi \u00faj oszlopok automatikus hozz\u00e1ad\u00e1s\u00e1t \u00e9rt\u00e9kes adatokkal a megfelel\u0151 helyekre. Ebben a cikkben m\u00e9lyebben megvizsg\u00e1ljuk ezeket az eszk\u00f6z\u00f6ket.<\/p>\n<h2>A t\u00e1bl\u00e1k s\u00e9ma meg\u00e9rt\u00e9se<\/h2>\n<p>\nMinden DataFrame az Apache Sparkban egy s\u00e9m\u00e1t tartalmaz, amely meghat\u00e1rozza az adatok form\u00e1j\u00e1t, p\u00e9ld\u00e1ul az adatt\u00edpusokat, oszlopokat \u00e9s metainform\u00e1ci\u00f3kat. A Delta Lake seg\u00edts\u00e9g\u00e9vel a t\u00e1bl\u00e1zat s\u00e9m\u00e1ja JSON form\u00e1tumban ker\u00fcl ment\u00e9sre a tranzakci\u00f3s napl\u00f3ban.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h2>Mi az a s\u00e9ma k\u00e9nyszer\u00edt\u00e9se?<\/h2>\n<p>\nA s\u00e9ma k\u00e9nyszer\u00edt\u00e9se (Schema Enforcement), m\u00e1s n\u00e9ven s\u00e9ma \u00e9rv\u00e9nyes\u00edt\u00e9s (Schema Validation), egy v\u00e9delmi mechanizmus a Delta Lake-ben, amely garant\u00e1lja az adatok min\u0151s\u00e9g\u00e9t az\u00e1ltal, hogy elutas\u00edtja azokat a rekordokat, amelyek nem felelnek meg a t\u00e1bl\u00e1zat s\u00e9m\u00e1j\u00e1nak. Ak\u00e1rcsak egy n\u00e9pszer\u0171 \u00e9tterem recepci\u00f3n l\u00e9v\u0151 hostesz, aki csak el\u0151re foglalt asztalokat fogad, ellen\u0151rzi, hogy az adatbeviteln\u00e9l minden oszlop szerepel-e a v\u00e1rt oszlopok list\u00e1j\u00e1n (m\u00e1s szavakkal, van-e minden egyes oszlopra \u201efoglal\u00e1s\u201d), \u00e9s elutas\u00edt minden olyan rekordot, amely olyan oszlopokat tartalmaz, amelyek nincsenek a list\u00e1n.<\/p>\n<h2>Hogyan m\u0171k\u00f6dik a s\u00e9ma k\u00e9nyszer\u00edt\u00e9se?<\/h2>\n<p>\nA Delta Lake s\u00e9maellen\u0151rz\u00e9st alkalmaz \u00edr\u00e1skor, ami azt jelenti, hogy minden \u00faj bejegyz\u00e9s a t\u00e1bl\u00e1ba \u00f6ssze van vetve a c\u00e9l-t\u00e1bla s\u00e9m\u00e1j\u00e1val \u00edr\u00e1s k\u00f6zben. Ha a s\u00e9ma nem kompatibilis, a Delta Lake teljesen visszavonja a tranzakci\u00f3t (az adatok nem \u00edr\u00f3dnak be), \u00e9s kiv\u00e9telt gener\u00e1l, hogy \u00e9rtes\u00edtse a felhaszn\u00e1l\u00f3t az elt\u00e9r\u00e9sr\u0151l.<br \/>\nA Delta Lake az al\u00e1bbi szab\u00e1lyokat haszn\u00e1lja a bejegyz\u00e9sek t\u00e1bl\u00e1hoz val\u00f3 kompatibilit\u00e1s\u00e1nak meghat\u00e1roz\u00e1s\u00e1ra. \u00cdrhat\u00f3 DataFrame:<\/p>\n<ul>\n<li>nem tartalmazhat olyan tov\u00e1bbi oszlopokat, amelyek nincsenek a c\u00e9l-t\u00e1bla s\u00e9m\u00e1j\u00e1ban. \u00c9s ford\u00edtva, rendben van, ha a bemeneti adatok nem tartalmazz\u00e1k az \u00f6sszes oszlopot a t\u00e1bl\u00e1b\u00f3l - ezeknek az oszlopoknak egyszer\u0171en null \u00e9rt\u00e9keket fognak adni.<\/li>\n<li>nem lehetnek olyan oszlopok adatainak t\u00edpusa, amelyek elt\u00e9rnek a c\u00e9l-t\u00e1bla oszlopainak adatainak t\u00edpus\u00e1t\u00f3l. Ha a c\u00e9l-t\u00e1bl\u00e1ban egy oszlop StringType adatokat tartalmaz, de a DataFrame megfelel\u0151 oszlopa IntegerType adatokat tartalmaz, a s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1sa kiv\u00e9telt gener\u00e1l, \u00e9s megakad\u00e1lyozza az \u00edr\u00e1si m\u0171velet v\u00e9grehajt\u00e1s\u00e1t.<\/li>\n<li>nem tartalmazhat olyan oszlopneveket, amelyek csak a nagybet\u0171k elt\u00e9rnek. Ez azt jelenti, hogy nem lehetnek azonos nev\u0171 oszlopok, mint p\u00e9ld\u00e1ul &#8216;Foo&#8217; \u00e9s &#8216;foo&#8217;, ugyanabban a t\u00e1bl\u00e1zatban. B\u00e1r a Spark haszn\u00e1lhat\u00f3 \u00e9rz\u00e9keny vagy \u00e9rz\u00e9ketlen (alap\u00e9rtelmezett) nagybet\u0171s m\u00f3don, a Delta Lake meg\u0151rzi a nagybet\u0171s \u00edr\u00e1st, de az elrendez\u00e9si s\u00e9ma t\u00e1rol\u00e1s\u00e1n\u00e1l \u00e9rz\u00e9ketlen. A Parquet \u00e9rz\u00e9keny a nagy- \u00e9s kisbet\u0171k k\u00fcl\u00f6nbs\u00e9g\u00e9re az oszlopinform\u00e1ci\u00f3k t\u00e1rol\u00e1sakor \u00e9s visszaad\u00e1sakor. A lehets\u00e9ges hib\u00e1k, adatk\u00e1rosod\u00e1sok vagy adatok elveszt\u00e9s\u00e9nek elker\u00fcl\u00e9se \u00e9rdek\u00e9ben (amelyekkel szem\u00e9lyesen is szembes\u00fclt\u00fcnk a Databricksn\u00e9l) \u00fagy d\u00f6nt\u00f6tt\u00fcnk, hogy ezt a korl\u00e1toz\u00e1st bevezetj\u00fck.<\/li>\n<\/ul>\n<p>\nEnnek szeml\u00e9ltet\u00e9s\u00e9re n\u00e9zz\u00fck meg, mi t\u00f6rt\u00e9nik az al\u00e1bbi k\u00f3dban, amikor megpr\u00f3b\u00e1lunk n\u00e9h\u00e1ny \u00fajonnan gener\u00e1lt oszlopot hozz\u00e1adni egy Delta Lake t\u00e1bl\u00e1hoz, amelyet m\u00e9g nem \u00e1ll\u00edtottak be ezek fogad\u00e1s\u00e1ra.<\/p>\n<pre><code class=\"apache\"># \u0421\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u043c DataFrame \u0441\u0441\u0443\u0434, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u044b \u0434\u043e\u0431\u0430\u0432\u0438\u043c \u0432 \u043d\u0430\u0448\u0443 \u0442\u0430\u0431\u043b\u0438\u0446\u0443 Delta Lake\nloans = sql(&quot;&quot;&quot;\n            SELECT addr_state, CAST(rand(10)*count as bigint) AS count,\n            CAST(rand(10) * 10000 * count AS double) AS amount\n            FROM loan_by_state_delta\n            &quot;&quot;&quot;)\n\n# \u0412\u044b\u0432\u0435\u0441\u0442\u0438 \u0438\u0441\u0445\u043e\u0434\u043d\u0443\u044e \u0441\u0445\u0435\u043c\u0443 DataFrame\noriginal_loans.printSchema()\n\nroot\n  |-- addr_state: string (nullable = true)\n  |-- count: integer (nullable = true)\n \n# \u0412\u044b\u0432\u0435\u0441\u0442\u0438 \u043d\u043e\u0432\u0443\u044e \u0441\u0445\u0435\u043c\u0443 DataFrame\nloans.printSchema()\n \nroot\n  |-- addr_state: string (nullable = true)\n  |-- count: integer (nullable = true)\n  |-- amount: double (nullable = true) # new column\n \n# \u041f\u043e\u043f\u044b\u0442\u043a\u0430 \u0434\u043e\u0431\u0430\u0432\u0438\u0442\u044c \u043d\u043e\u0432\u044b\u0439 DataFrame (\u0441 \u043d\u043e\u0432\u044b\u043c \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u043c) \u0432 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0449\u0443\u044e \u0442\u0430\u0431\u043b\u0438\u0446\u0443\nloans.write.format(&quot;delta&quot;) \n           .mode(&quot;append&quot;) \n           .save(DELTALAKE_PATH)\n\nReturns:\n\nA schema mismatch detected when writing to the Delta table.\n \nTo enable schema migration, please set:\n'.option(&quot;mergeSchema&quot;, &quot;true&quot;)'\n \nTable schema:\nroot\n-- addr_state: string (nullable = true)\n-- count: long (nullable = true)\n \nData schema:\nroot\n-- addr_state: string (nullable = true)\n-- count: long (nullable = true)\n-- amount: double (nullable = true)\n \nIf Table ACLs are enabled, these options will be ignored. Please use the ALTER TABLE command for changing the schema.<\/code><\/pre>\n<p>\nA Delta Lake nem automatiz\u00e1lja az \u00faj oszlopok hozz\u00e1ad\u00e1s\u00e1t, hanem \u00e9rv\u00e9nyes\u00edti a s\u00e9m\u00e1t, \u00e9s meg\u00e1ll\u00edtja az \u00edr\u00e1st. A p\u00e1rhuzamok \u00f6sszehasonl\u00edt\u00e1s\u00e1hoz a Spark kiadja mindk\u00e9t s\u00e9ma stack trace-j\u00e9t.<\/p>\n<h2>Mi az el\u0151nye a s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1s\u00e1nak?<\/h2>\n<p>\nMivel a s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1sa egy meglehet\u0151sen szigor\u00fa ellen\u0151rz\u00e9s, kiv\u00e1l\u00f3 eszk\u00f6z a tiszta, teljesen \u00e1talak\u00edtott, gy\u00e1rt\u00e1sra vagy felhaszn\u00e1l\u00e1sra k\u00e9sz adathalmazon val\u00f3 kapu\u0151rk\u00e9nt val\u00f3 alkalmaz\u00e1sra. \u00c1ltal\u00e1ban azokra a t\u00e1bl\u00e1kra vonatkozik, amelyek k\u00f6zvetlen\u00fcl adatokat szolg\u00e1ltatnak:<\/p>\n<ul>\n<li>G\u00e9pi tanul\u00e1si algoritmusok<\/li>\n<li>BI ir\u00e1ny\u00edt\u00f3pultok<\/li>\n<li>Adat-elemz\u00e9s \u00e9s vizualiz\u00e1l\u00f3 eszk\u00f6z\u00f6k<\/li>\n<li>B\u00e1rmely olyan gy\u00e1rt\u00e1si rendszeren, amely szigor\u00faan strukt\u00far\u00e1lt, szigor\u00faan t\u00edpusos szemantikai s\u00e9m\u00e1kat ig\u00e9nyel.<\/li>\n<\/ul>\n<p>\nAz adatok eddig a v\u00e9gs\u0151 akad\u00e1lyig val\u00f3 el\u0151k\u00e9sz\u00edt\u00e9s\u00e9hez sok felhaszn\u00e1l\u00f3 egyszer\u0171 'multi-hop' architekt\u00far\u00e1t haszn\u00e1l, amely fokozatosan struktur\u00e1lja a t\u00e1blaadataikat. Ennek r\u00e9szleteir\u0151l t\u00f6bbet olvashat a cikkben <noindex><a rel=\"nofollow\" href=\"https:\/\/databricks.com\/blog\/2019\/08\/14\/productionizing-machine-learning-with-delta-lake.html\">G\u00e9pi tanul\u00e1s gy\u00e1rt\u00e1si szinten a Delta Lake seg\u00edts\u00e9g\u00e9vel.<\/a><\/noindex><\/p>\n<p>Term\u00e9szetesen a s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1sa b\u00e1rhol felhaszn\u00e1lhat\u00f3 a folyamatban, de ne feledje, hogy az adatfolyam \u00edr\u00e1sa a t\u00e1bl\u00e1ba \u00edgy frusztr\u00e1l\u00f3 lehet, mivel p\u00e9ld\u00e1ul elfelejtheti, hogy egy tov\u00e1bbi oszlopot adott hozz\u00e1 a bej\u00f6v\u0151 adatokhoz.<\/p>\n<h2>Az adatsziv\u00e1rg\u00e1s megakad\u00e1lyoz\u00e1sa<\/h2>\n<p>\nEddig tal\u00e1n azon t\u0171n\u0151d\u00f6tt, mi\u00e9rt van akkora felhajt\u00e1s? V\u00e9g\u00fcl is, n\u00e9ha egy v\u00e1ratlan 's\u00e9ma nem egyez\u00e9s' hiba akad\u00e1lyozhatja a munkafolyamat\u00e1t, k\u00fcl\u00f6n\u00f6sen, ha \u00faj a Delta Lake-ben. Mi\u00e9rt ne engedhetn\u00e9m meg a s\u00e9m\u00e1nak, hogy \u00fagy v\u00e1ltozzon, ahogy sz\u00fcks\u00e9ges, hogy b\u00e1rmilyen m\u00f3don fel tudjam \u00edrni a DataFrame-met?<\/p>\n<p>Ahogy a r\u00e9gi mond\u00e1s tartja, 'egy uncia megel\u0151z\u00e9s t\u00f6bbet \u00e9r, mint egy font gy\u00f3gy\u00edt\u00e1s'. Valamikor, ha nem figyel a s\u00e9ma alkalmaz\u00e1s\u00e1ra, adatok kompatibilit\u00e1si probl\u00e9m\u00e1i bukkannak fel - a l\u00e1tsz\u00f3lag homog\u00e9n nyersadat-forr\u00e1sok hat\u00e1reseteket, s\u00e9r\u00fclt oszlopokat, helytelen\u00fcl kialak\u00edtott lek\u00e9pez\u00e9seket vagy m\u00e1s sz\u00f6rny\u0171s\u00e9geket rejthetnek, amelyek r\u00e9m\u00e1lmainkban jelennek meg. A legjobb megk\u00f6zel\u00edt\u00e9s az, ha meg\u00e1ll\u00edtja ezeket az ellens\u00e9geket a kapu el\u0151tt - a s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1s\u00e1val - \u00e9s szemben\u00e9z vel\u00fck a f\u00e9nyben, nem pedig k\u00e9s\u0151bb, amikor elkezdenek \u00f3l\u00e1lkodni a k\u00f3dja s\u00f6t\u00e9t m\u00e9lys\u00e9geiben.<\/p>\n<p>A s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1sa biztos\u00edtja, hogy az adatb\u00e1zis s\u00e9m\u00e1ja nem v\u00e1ltozik, hacsak nem er\u0151s\u00edti meg a v\u00e1ltoztat\u00e1st. Ez megakad\u00e1lyozza az adatok \"dil\u00faci\u00f3j\u00e1t\", amely akkor k\u00f6vetkezhet be, amikor \u00faj oszlopokat adnak hozz\u00e1 olyan gyakran, hogy a kor\u00e1bban \u00e9rt\u00e9kes, t\u00f6m\u00f6r t\u00e1bl\u00e1zatok elvesz\u00edtik jelent\u0151s\u00e9g\u00fcket \u00e9s hasznoss\u00e1gukat az adatok \u00e1rad\u00e1sa miatt. Arra \u00f6szt\u00f6n\u00f6zve, hogy sz\u00e1nd\u00e9kos legyen, magas sztenderdeket \u00e1ll\u00edtson fel \u00e9s a magas min\u0151s\u00e9get v\u00e1rja el, a s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1sa pontosan azt teszi, amire sz\u00e1nt\u00e1k \u2013 seg\u00edt \u00d6nnek meg\u0151rizni a lelkiismeretess\u00e9get, a t\u00e1bl\u00e1zatai pedig tiszt\u00e1k maradnak.<\/p>\n<p>Ha tov\u00e1bbi megfontol\u00e1s ut\u00e1n \u00fagy d\u00f6nt, hogy val\u00f3j\u00e1ban <i>a k\u00e9sz\u00fcl\u00e9k hely\u00e9nek ismeret\u00e9re. Ha<\/i> \u00faj oszlopot szeretne hozz\u00e1adni \u2013 semmi probl\u00e9ma, itt egy egysoros jav\u00edt\u00e1s. A megold\u00e1s a s\u00e9ma evol\u00faci\u00f3ja!<\/p>\n<h2>Mi az a s\u00e9ma evol\u00faci\u00f3?<\/h2>\n<p>\nA s\u00e9ma evol\u00faci\u00f3ja egy olyan funkci\u00f3, amely lehet\u0151v\u00e9 teszi a felhaszn\u00e1l\u00f3k sz\u00e1m\u00e1ra, hogy k\u00f6nnyed\u00e9n m\u00f3dos\u00edts\u00e1k a t\u00e1bl\u00e1zat aktu\u00e1lis s\u00e9m\u00e1j\u00e1t a folyamatosan v\u00e1ltoz\u00f3 adatoknak megfelel\u0151en. Leggyakrabban a hozz\u00e1ad\u00e1s vagy fel\u00fcl\u00edr\u00e1s m\u0171veletekn\u00e9l haszn\u00e1lj\u00e1k, hogy automatikusan alkalmazkodjon a s\u00e9ma \u00faj oszlopok egy vagy t\u00f6bb \u00faj oszlop beilleszt\u00e9s\u00e9hez.<\/p>\n<h2>Hogyan m\u0171k\u00f6dik a s\u00e9ma evol\u00faci\u00f3?<\/h2>\n<p>\nA kor\u00e1bbi r\u00e9sz p\u00e9ld\u00e1j\u00e1t k\u00f6vetve a fejleszt\u0151k k\u00f6nnyed\u00e9n haszn\u00e1lhatj\u00e1k a s\u00e9ma evol\u00faci\u00f3j\u00e1t \u00faj oszlopok hozz\u00e1ad\u00e1s\u00e1ra, amelyeket kor\u00e1bban az s\u00e9m\u00e1val val\u00f3 \u00f6sszhang hi\u00e1nya miatt elutas\u00edtottak. A s\u00e9ma evol\u00faci\u00f3j\u00e1t az al\u00e1bbiak hozz\u00e1ad\u00e1s\u00e1val aktiv\u00e1lj\u00e1k: <code>.option('mergeSchema', 'true')<\/code> az \u00d6n Spark parancs\u00e1hoz. <code>.write vagy .writeStream.<\/code><\/p>\n<pre><code class=\"apache\"># \u0414\u043e\u0431\u0430\u0432\u044c\u0442\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 mergeSchema\nloans.write.format(&quot;delta&quot;) \n           .option(&quot;mergeSchema&quot;, &quot;true&quot;) \n           .mode(&quot;append&quot;) \n           .save(DELTALAKE_SILVER_PATH)<\/code><\/pre>\n<p>\nA diagram megtekint\u00e9s\u00e9hez v\u00e9gezze el az al\u00e1bbi Spark SQL lek\u00e9rdez\u00e9st:<\/p>\n<pre><code class=\"apache\"># \u0421\u043e\u0437\u0434\u0430\u0439\u0442\u0435 \u0433\u0440\u0430\u0444\u0438\u043a \u0441 \u043d\u043e\u0432\u044b\u043c \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u043c, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0434\u0438\u0442\u044c, \u0447\u0442\u043e \u0437\u0430\u043f\u0438\u0441\u044c \u043f\u0440\u043e\u0448\u043b\u0430 \u0443\u0441\u043f\u0435\u0448\u043d\u043e\n%sql\nSELECT addr_state, sum(`amount`) AS amount\nFROM loan_by_state_delta\nGROUP BY addr_state\nORDER BY sum(`amount`)\nDESC LIMIT 10<\/code><\/pre>\n<p>\n<img decoding=\"async\" alt=\"Bevezet\u00e9s a Delta Lake-be: k\u00f6telez\u0151 \u00e9rv\u00e9ny\u0171 s\u00e9ma \u00e9s evol\u00faci\u00f3\" src=\"\/wp-content\/uploads\/2020\/05\/873ce67da00f69696d5b9328bd90793a.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\nAlternat\u00edvak\u00e9nt be\u00e1ll\u00edthatja ezt az opci\u00f3t az eg\u00e9sz Spark munkamenetre, ha hozz\u00e1adja <code>spark.databricks.delta.schema.autoMerge = True<\/code> a Spark konfigur\u00e1ci\u00f3j\u00e1hoz. De \u00f3vatosan haszn\u00e1lja, mivel a s\u00e9ma k\u00e9nyszer\u00edtett alkalmaz\u00e1sa m\u00e1r nem figyelmeztet \u00d6nt a nem sz\u00e1nd\u00e9kos s\u00e9m\u00e1k elt\u00e9r\u00e9seire.<\/p>\n<p>Ha a lek\u00e9rdez\u00e9sben szerepel a <code>mergeSchema<\/code>param\u00e9ter, minden DataFrame-ben jelen l\u00e9v\u0151, de a c\u00e9l t\u00e1bl\u00e1zatban hi\u00e1nyz\u00f3 oszlop automatikusan hozz\u00e1ad\u00f3dik a s\u00e9ma v\u00e9g\u00e9hez a tranzakci\u00f3s \u00edr\u00e1s keretein bel\u00fcl. Be\u00e1gyazott mez\u0151k is hozz\u00e1adhat\u00f3k, \u00e9s ezek is hozz\u00e1 lesznek adva a megfelel\u0151 oszlopok v\u00e9g\u00e9hez.<\/p>\n<p>A d\u00e1tumot a m\u00e9rn\u00f6k\u00f6k \u00e9s tud\u00f3sok arra haszn\u00e1lhatj\u00e1k, hogy \u00faj oszlopokat (p\u00e9ld\u00e1ul egy \u00fajonnan nyomon k\u00f6vetett metrik\u00e1t vagy az adott h\u00f3nap \u00e9rt\u00e9kes\u00edt\u00e9si mutat\u00f3it) adjanak hozz\u00e1 a megl\u00e9v\u0151 g\u00e9pi tanul\u00e1si gy\u00e1rt\u00e1si t\u00e1bl\u00e1ikhoz an\u00e9lk\u00fcl, hogy megszak\u00edtan\u00e1k a r\u00e9gi oszlopokra \u00e9p\u00fcl\u0151 modelleket. <\/p>\n<p>A k\u00f6vetkez\u0151 s\u00e9ma v\u00e1ltoztat\u00e1si t\u00edpusok megengedettek a s\u00e9ma evol\u00faci\u00f3 sor\u00e1n a t\u00e1bl\u00e1k hozz\u00e1ad\u00e1sa vagy fel\u00fcl\u00edr\u00e1sa sor\u00e1n:<\/p>\n<ul>\n<li>\u00daj oszlopok hozz\u00e1ad\u00e1sa (ez a leggyakoribb forgat\u00f3k\u00f6nyv)<\/li>\n<li>Adat t\u00edpusok megv\u00e1ltoztat\u00e1sa NullType -&gt; b\u00e1rmilyen m\u00e1s t\u00edpusra vagy ByteType -&gt; ShortType -&gt; IntegerType-ra t\u00f6rt\u00e9n\u0151 felemel\u00e9s<\/li>\n<\/ul>\n<p>\nEgy\u00e9b v\u00e1ltoztat\u00e1sok, amelyek nem megengedettek a s\u00e9ma evol\u00faci\u00f3 keretein bel\u00fcl, megk\u00f6vetelik, hogy a s\u00e9ma \u00e9s az adatok fel\u00fcl\u00edr\u00e1sra ker\u00fcljenek a kieg\u00e9sz\u00edt\u0151 hozz\u00e1rendel\u00e9ssel <code>.option(&quot;overwriteSchema&quot;, &quot;true&quot;)<\/code>. P\u00e9ld\u00e1ul, ha a \u201eFoo\u201d oszlop kezdetben eg\u00e9sz sz\u00e1m volt, \u00e9s az \u00faj s\u00e9ma sz\u00f6veges t\u00edpus\u00fa lenne, akkor az \u00f6sszes Parquet f\u00e1jlt (adat) fel\u00fcl kell \u00edrni. Ilyen v\u00e1ltoz\u00e1sok p\u00e9ld\u00e1ul:<\/p>\n<ul>\n<li>oszlop elt\u00e1vol\u00edt\u00e1sa<\/li>\n<li>l\u00e9tez\u0151 oszlop adat t\u00edpus\u00e1nak megv\u00e1ltoztat\u00e1sa (helyben)<\/li>\n<li>oszlopok \u00e1tnevez\u00e9se, amelyek csak a kis- \u00e9s nagybet\u0171kben k\u00fcl\u00f6nb\u00f6znek (p\u00e9ld\u00e1ul \u201eFoo\u201d \u00e9s \u201efoo\u201d)<\/li>\n<\/ul>\n<p>\nV\u00e9g\u00fcl a k\u00f6vetkez\u0151 Spark 3.0 kiad\u00e1ssal teljes m\u00e9rt\u00e9kben t\u00e1mogatni fogj\u00e1k a vil\u00e1gos DDL-t (ALTER TABLE haszn\u00e1lat\u00e1val), amely lehet\u0151v\u00e9 teszi a felhaszn\u00e1l\u00f3k sz\u00e1m\u00e1ra, hogy a t\u00e1bl\u00e1k s\u00e9m\u00e1ival a k\u00f6vetkez\u0151 m\u0171veleteket v\u00e9gezz\u00e9k el:<\/p>\n<ul>\n<li>oszlopok hozz\u00e1ad\u00e1sa<\/li>\n<li>oszlopok megjegyz\u00e9seinek megv\u00e1ltoztat\u00e1sa<\/li>\n<li>a t\u00e1bl\u00e1zat viselked\u00e9s\u00e9t meghat\u00e1roz\u00f3 tulajdons\u00e1gok be\u00e1ll\u00edt\u00e1sa, p\u00e9ld\u00e1ul a tranzakci\u00f3s napl\u00f3 meg\u0151rz\u00e9si id\u0151tartam\u00e1nak be\u00e1ll\u00edt\u00e1sa.<\/li>\n<\/ul>\n<p><\/p>\n<h2>Mi az el\u0151nye a s\u00e9ma evol\u00faci\u00f3nak?<\/h2>\n<p>\nA s\u00e9ma evol\u00faci\u00f3t mindig lehet haszn\u00e1lni, amikor <i>sz\u00e1nd\u00e9kozott<\/i> megv\u00e1ltoztatni a t\u00e1bl\u00e1ja s\u00e9m\u00e1j\u00e1t (szemben azzal az esettel, amikor v\u00e9letlen\u00fcl olyan oszlopokat adtak a DataFrame-hez, amelyeknek ott nem kellett volna lenni\u00fck). Ez a legegyszer\u0171bb m\u00f3dja a s\u00e9ma migr\u00e1l\u00e1s\u00e1nak, mert automatikusan hozz\u00e1adja a megfelel\u0151 oszlopneveket \u00e9s adat t\u00edpusokat an\u00e9lk\u00fcl, hogy azokat kifejezetten meg kellene hat\u00e1rozni.<\/p>\n<h2>Z\u00e1r\u00e1s<\/h2>\n<p>\nA s\u00e9ma k\u00e9nyszer\u0171 alkalmaz\u00e1sa elveti azokat az \u00faj oszlopokat vagy egy\u00e9b s\u00e9ma-m\u00f3dos\u00edt\u00e1sokat, amelyek nem kompatibilisek a t\u00e1bl\u00e1zat\u00e1val. Ezeknek a magas norm\u00e1knak a be\u00e1ll\u00edt\u00e1sa \u00e9s fenntart\u00e1sa mellett az elemz\u0151k \u00e9s m\u00e9rn\u00f6k\u00f6k biztosak lehetnek abban, hogy adataik a lehet\u0151 legmagasabb integrit\u00e1ssal rendelkeznek, ami lehet\u0151v\u00e9 teszi sz\u00e1mukra, hogy tiszt\u00e1n \u00e9s vil\u00e1gosan \u00e9rveljenek, \u00e9s hat\u00e9konyabb \u00fczleti d\u00f6nt\u00e9seket hozzanak.<\/p>\n<p>M\u00e1sr\u00e9szt a s\u00e9ma evol\u00faci\u00f3ja kieg\u00e9sz\u00edti a k\u00e9nyszer\u0171 alkalmaz\u00e1st, egyszer\u0171s\u00edtve <i>az el\u0151rejelzett<\/i> automatikus s\u00e9ma-m\u00f3dos\u00edt\u00e1sokat. V\u00e9g\u00fcl is ez nem lenne bonyodalom \u2014 egy oszlop hozz\u00e1ad\u00e1sa.<\/p>\n<p>A s\u00e9ma k\u00e9nyszer\u0171 alkalmaz\u00e1sa a j\u00e1ng, m\u00edg a s\u00e9ma evol\u00faci\u00f3ja az in. Egy\u00fcttm\u0171k\u00f6dve ezek a funkci\u00f3k soha nem k\u00f6nny\u00edtik meg a zaj elt\u00e1vol\u00edt\u00e1s\u00e1t \u00e9s a jel be\u00e1ll\u00edt\u00e1s\u00e1t.<\/p>\n<p><i>Szeretn\u00e9nk megk\u00f6sz\u00f6nni Mukul Murti-nak \u00e9s Pranav Anand-nak az \u00edr\u00e1s r\u00e9sz\u00e9v\u00e9 tett hozz\u00e1j\u00e1rul\u00e1sukat.<\/i><\/p>\n<p>Egy\u00e9b cikkek ebb\u0151l a sorozatb\u00f3l:<\/p>\n<p><noindex><a rel=\"nofollow\" href=\"https:\/\/databricks.com\/blog\/2019\/08\/21\/diving-into-delta-lake-unpacking-the-transaction-log.html\">Bemer\u00fcl\u00e9s a Delta Lake-be: a tranzakci\u00f3s napl\u00f3 kib\u0151v\u00edt\u00e9se<\/a><\/noindex><\/p>\n<p><center><div class=\"youtube-placeholder\" data-id=\"tjb10n5wVs8\" onclick=\"loadVideo(this)\">\r\n        <img decoding=\"async\" src=\"https:\/\/img.youtube.com\/vi\/tjb10n5wVs8\/hqdefault.jpg\" alt=\"Vide\u00f3 lej\u00e1tsz\u00e1sa\" loading=\"lazy\" width=\"480\" height=\"360\" style=\"width:100%;height:auto;\">\r\n        <div class=\"play-button\"><\/div>\r\n    <\/div><\/center><\/p>\n<h2>T\u00e9m\u00e1hoz kapcsol\u00f3d\u00f3 cikkek<\/h2>\n<p>\n<noindex><a rel=\"nofollow\" href=\"https:\/\/databricks.com\/blog\/2019\/08\/14\/productionizing-machine-learning-with-delta-lake.html\">\u00dczleti szint\u0171 g\u00e9pi tanul\u00e1s Delta Lake-kel<\/a><\/noindex><\/p>\n<p><noindex><a rel=\"nofollow\" href=\"https:\/\/databricks.com\/discover\/data-lakes\/introduction\">Mi az adati t\u00f3?<\/a><\/noindex><\/p>\n<p>\n<noindex><a rel=\"nofollow\" href=\"https:\/\/otus.pw\/J1P5\/\">Tov\u00e1bbi inform\u00e1ci\u00f3 a kurzusr\u00f3l<\/a><\/noindex><\/p>\n<p>Forr\u00e1s: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/otus\/blog\/502324\/\">habr.com<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u044e \u0432\u0430\u0448\u0435\u043c\u0443 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044e \u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u0441\u0442\u0430\u0442\u044c\u0438 \u00abDiving Into Delta Lake: Schema Enforcement &amp; Evolution\u00bb \u0430\u0432\u0442\u043e\u0440\u043e\u0432 Burak Yavuz, Brenner Heintz and Denny Lee, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0431\u044b\u043b \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043b\u0435\u043d \u0432 \u043f\u0440\u0435\u0434\u0434\u0432\u0435\u0440\u0438\u0438 \u0441\u0442\u0430\u0440\u0442\u0430 \u043a\u0443\u0440\u0441\u0430 \u00abData Engineer\u00bb \u043e\u0442 OTUS. \u0414\u0430\u043d\u043d\u044b\u0435, \u043a\u0430\u043a \u0438 \u043d\u0430\u0448 \u043e\u043f\u044b\u0442, \u043f\u043e\u0441\u0442\u043e\u044f\u043d\u043d\u043e \u043d\u0430\u043a\u0430\u043f\u043b\u0438\u0432\u0430\u044e\u0442\u0441\u044f \u0438 \u0440\u0430\u0437\u0432\u0438\u0432\u0430\u044e\u0442\u0441\u044f. \u0427\u0442\u043e\u0431\u044b \u043d\u0435 \u043e\u0442\u0441\u0442\u0430\u0432\u0430\u0442\u044c, \u043d\u0430\u0448\u0438 \u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043c\u0438\u0440\u0430 \u0434\u043e\u043b\u0436\u043d\u044b \u0430\u0434\u0430\u043f\u0442\u0438\u0440\u043e\u0432\u0430\u0442\u044c\u0441\u044f \u043a \u043d\u043e\u0432\u044b\u043c \u0434\u0430\u043d\u043d\u044b\u043c, [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":82039,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-82038","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.3 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440!\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/pogruzhenie-v-delta-lake-prinuditelnoe-primenenie-i-evolyucziya-shemy\" \/>\n\t\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.3\" \/>\n\t\t<meta property=\"og:locale\" content=\"hu_HU\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041f\u043e\u0433\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u0432 Delta Lake: \u043f\u0440\u0438\u043d\u0443\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u0438 \u044d\u0432\u043e\u043b\u044e\u0446\u0438\u044f \u0441\u0445\u0435\u043c\u044b | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440!\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/pogruzhenie-v-delta-lake-prinuditelnoe-primenenie-i-evolyucziya-shemy\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-05-18T23:42:26+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-05-18T23:42:26+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Bemer\u00fcl\u00e9s a Delta Lake-be: k\u00e9nyszer\u0171 alkalmaz\u00e1s \u00e9s a s\u00e9ma evol\u00faci\u00f3ja | ProHoster","description":"Hell\u00f3, Habr!","canonical_url":"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/pogruzhenie-v-delta-lake-prinuditelnoe-primenenie-i-evolyucziya-shemy","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"hu_HU","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041f\u043e\u0433\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u0432 Delta Lake: \u043f\u0440\u0438\u043d\u0443\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u0438 \u044d\u0432\u043e\u043b\u044e\u0446\u0438\u044f \u0441\u0445\u0435\u043c\u044b | ProHoster","og:description":"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440!","og:url":"https:\/\/prohoster.info\/hu\/blog\/administrirovanie\/pogruzhenie-v-delta-lake-prinuditelnoe-primenenie-i-evolyucziya-shemy","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-05-18T23:42:26+00:00","article:modified_time":"2020-05-18T23:42:26+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"82038","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 15:45:28","updated":"2022-09-29 13:43:45","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts\/82038","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/comments?post=82038"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/posts\/82038\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/media\/82039"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/media?parent=82038"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/categories?post=82038"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/hu\/wp-json\/wp\/v2\/tags?post=82038"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}