Skip to content

2026

  • in Data
  • 9 min read

Iceberg Table Maintenance at Scale: Lessons from 6 Big Companies

After reading this article, you will be able to answer...

  • 6 家公司各自打造出來的 Iceberg Table Maintenance Service (TMS)，在架構上有什麼異同？
  • 這些獨立發展的系統收斂出了哪些共同 patterns？
  • 如果從零設計一個能在多團隊、大規模下擴展的 TMS，哪些 building blocks 是非有不可的？
  • in Data
  • 10 min read

從 Netflix 看 Iceberg 在 Exabyte 規模下還沒解決的問題

After reading this article, you will be able to answer...

  • 為什麼 Netflix 全面採用 Iceberg 之後，還需要額外引入這麼多系統？
  • Table maintenance、Trino、ClickHouse、LanceDB 這四個 use cases 反映了 Iceberg 的哪些不足？
  • 資料平台團隊在導入 Iceberg 前，應該先想清楚哪些問題？
  • in Data
  • 6 min read

從三家 OLAP 產品反推 Iceberg 的設計挑戰

After reading this article, you will be able to answer...

  • ClickHouse、Firebolt、StarTree 在整合 Iceberg 時，為什麼不約而同做了類似的選擇？
  • 這些選擇背後反映的是 Iceberg spec 的哪些結構性不足？
  • Iceberg community 正在怎麼補上這些不足？
  • in Data
  • 5 min read

Re-thinking Iceberg Metadata Structure in v4

After reading this article, you will be able to answer...

  • 為什麼沿用多年的三層 metadata 結構，在新場景下開始不夠用了？
  • Iceberg v4 提出的 Adaptive Metadata Tree 想解決什麼？怎麼解？
  • 這個方向有什麼值得期待的地方？隱憂在哪裡？
  • in Data
  • 7 min read

Lessons from Slack：在 180PB 規模上維運 Iceberg

After reading this article, you will be able to answer...

  • 在 180PB、每天 300TB 流入的規模下，Slack 怎麼做到 99.9% 的 Iceberg 維護成功率？
  • IceChipper 的設計為什麼長這樣？哪些替代方案被否決了，為什麼？
  • 維護 4,000 張 Iceberg tables 會踩到哪些坑？