最后于 2026年9月3日 更新

Fluss Catalog

Doris 可以通过 Fluss Catalog 读取 Apache Fluss 中的表。Fluss 是面向实时分析的流存储系统，表里的数据可以由分层服务（Tiering Service）持续写入 Paimon 数据湖。Doris 既能直接读 Fluss 里的实时数据，也能把 Paimon 里已分层的历史数据和 Fluss 日志里还没分层的增量数据合并成一张表来查，这种读法称为 Union Read。

备注

该功能为实验功能，自 5.0.0 版本开始支持。
当前仅支持读取 Fluss 表，不支持写入以及库表管理操作。
湖仓分层表的湖端格式目前仅支持 Paimon。

适用场景

场景	说明
实时查询	直接查询 Fluss 日志表和主键表中的最新数据。
Union Read	开启了湖仓分层的表，一次查询同时读 Paimon 湖里已分层的历史数据和 Fluss 日志里尚未分层的增量数据，也就是湖与日志的联合读取。
数据集成	读取 Fluss 数据写入 Doris 内表，或与内表及其他 Catalog 中的表做联邦查询。
数据写回	暂不支持。

工作原理

Fluss 的表有三种形态，读法各不相同：

表类型	读取方式
日志表（Log Table）	读取 Fluss 的日志，每个 Bucket 生成一个扫描范围。
主键表（Primary-Key Table）	读取每个 Bucket 最新的 KV 快照，再叠加快照之后的变更日志，按主键合并出最新状态。
湖仓分层表（`table.datalake.enabled = true`）	读取 Paimon 湖中已分层的数据，再叠加分层位点之后的 Fluss 日志，在一次扫描中合并，即 Union Read。

湖端部分由 Doris 内置的 Paimon Connector 读取，Fluss Catalog 自己不实现。Fluss 会为每张分层表记录一个可读的 Paimon 快照，Doris 按这个快照读 Paimon 数据，原生的 ORC/Parquet 读取器和文件缓存都能直接用上。

对分层的主键表做 Union Read 时，按主键合并两部分数据。FE 规划时给每个 Bucket 的湖端 Split 带上该 Bucket 日志尾部的位点范围；BE 读湖端数据时，丢掉已经被日志尾部更新或删除的行；日志尾部自己的最新状态再作为单独的扫描范围输出一次。每行数据只输出一次，结果和只从 Fluss 读整张表相同。

配置 Catalog

语法

CREATE CATALOG [IF NOT EXISTS] catalog_name PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '<bootstrap_servers>',
    {FlussProperties},
    {LakeProperties},
    {CommonProperties}
);

<bootstrap_servers>

必填。Fluss 集群的引导地址，逗号分隔的 host:port 列表，一般填 CoordinatorServer 的地址，如 'fluss.bootstrap.servers' = '10.0.0.1:9123,10.0.0.2:9123'。

{FlussProperties}

FlussProperties 部分用于填写 Fluss Catalog 特有的参数。

参数名	必填	默认值	说明
`fluss.union_read.mode`	否	`auto`	湖仓分层表的 Union Read 模式，可选 `auto`、`required`、`disabled`。详见【Union Read 模式】。
`fluss.union_read.max_tail_rows`	否	`2000000`	对主键表做 Union Read 时，单个 Bucket 的日志尾部允许包含的最大行数。详见【Union Read 模式】。
`fluss.union_read.max_total_tail_rows`	否	`20000000`	对主键表做 Union Read 时，一次扫描涉及的所有 Bucket 的日志尾部允许包含的最大总行数。不能小于 `fluss.union_read.max_tail_rows`。
`enable.mapping.varbinary`	否	`false`	是否将 Fluss 的 `BINARY`/`BYTES` 类型映射为 Doris 的 `varbinary`。默认映射为 `string`。
`enable.mapping.timestamp_tz`	否	`false`	是否将 Fluss 的 `TIMESTAMP_LTZ` 类型映射为 Doris 的 `timestamptz`。默认映射为 `datetime`。

除了上面这些 Doris 专用参数和 fluss.lake.paimon.*，其他 fluss. 前缀的属性都会去掉前缀后原样交给 Fluss 客户端，FE 和 BE 用同一套。Doris 不限制参数名，Fluss 客户端认识的配置项都能这样传。比如 Fluss 集群开了 SASL 认证，可以这样填：

'fluss.client.security.protocol' = 'sasl',
'fluss.client.security.sasl.mechanism' = 'PLAIN',
'fluss.client.security.sasl.username' = '<username>',
'fluss.client.security.sasl.password' = '<password>'

参数列表见 Fluss 配置文档和 Fluss 认证文档。

{LakeProperties}

LakeProperties 部分填写湖仓分层表对应的 Paimon 湖的连接信息，前缀为 fluss.lake.paimon.。前缀后面的写法和 Fluss 集群 server.yaml 里 datalake.paimon.* 的写法一样，可以直接复制过来。详见【湖表连接配置】。
{CommonProperties}

CommonProperties 部分用于填写通用属性。请参阅数据目录概述中【通用属性】部分。

示例

最简配置。只读 Fluss 自身的数据，或者湖所在的存储不需要凭证时，这样就够了：

CREATE CATALOG fluss PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123'
);

Paimon 湖放在对象存储上（以 S3 兼容存储为例）：

CREATE CATALOG fluss_lake PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123',
    'fluss.lake.paimon.s3.endpoint' = 'http://minio:9000',
    'fluss.lake.paimon.s3.access-key' = '<ak>',
    'fluss.lake.paimon.s3.secret-key' = '<sk>'
);

Fluss 集群开启了 SASL 认证：

CREATE CATALOG fluss_sasl PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123',
    'fluss.client.security.protocol' = 'sasl',
    'fluss.client.security.sasl.mechanism' = 'PLAIN',
    'fluss.client.security.sasl.username' = '<username>',
    'fluss.client.security.sasl.password' = '<password>'
);

部署要求

FE 用 Fluss 客户端读元数据、做查询规划，BE 用它读数据。两者都要能访问 Fluss 集群的 CoordinatorServer 和 TabletServer。
主键表的 KV 快照和已归档的日志段放在 Fluss 配置的远端存储（remote.data.dir）里，BE 会直接读这些文件，因此也要能访问这个远端存储。
读湖仓分层表时，FE 和 BE 都要能访问 Paimon 湖所在的存储。
湖端数据由 Doris 内置的 Paimon Connector 插件读取，插件随 Doris 一起发布，不用单独安装。

依赖的 Fluss 版本

Doris 版本	Fluss 客户端版本
5.0	1.0

元数据映射

Fluss 的元数据层级是 Database -> Table，和 Doris 一一对应，没有额外的命名映射。

开启了湖仓分层的表，SHOW TABLES 只列出表本身。tbl$lake 和 tbl$log 是同一张表的两种读法，不会单独出现在列表里。

SHOW CREATE TABLE 会列出 Fluss 表的属性，从中能看到表有没有开湖仓分层（table.datalake.enabled）和湖格式（table.datalake.format）。

列类型映射

Fluss Type	Doris Type	Comment
BOOLEAN	boolean
TINYINT	tinyint
SMALLINT	smallint
INT	int
BIGINT	bigint
FLOAT	float
DOUBLE	double
DECIMAL(P, S)	decimal(P, S)
CHAR(N)	char(N)	N 大于 255 时映射为 string
STRING	string
BINARY(N)	string / varbinary(N)	由 `enable.mapping.varbinary` 控制。默认为 `false`，映射为 `string`；为 `true` 时映射为 `varbinary`
BYTES	string / varbinary	同上
DATE	date
TIME	UNSUPPORTED	Doris 没有语义相同的类型。表里其他列照常可以查，只有查到这一列时报错
TIMESTAMP(P)	datetime(P)	精度大于 6 时映射为 datetime(6)，可能丢失精度
TIMESTAMP_LTZ(P)	datetime(P) / timestamptz(P)	精度大于 6 时映射为精度 6。由 `enable.mapping.timestamp_tz` 控制。默认为 `false`，映射为 `datetime`；为 `true` 时映射为 `timestamptz`
ARRAY	array
MAP	map
ROW	struct

注：

TIMESTAMP_LTZ 列在 DESCRIBE 语句的 Extra 列中会显示 WITH_TIMEZONE。映射为 datetime 时，Doris 会按当前会话时区（SET time_zone = <tz>）转换后返回。

开启了湖仓分层的表，tbl 和 tbl$lake 的列类型一致。上面的映射规则和 Fluss 写入 Paimon 时的类型转换、Paimon Catalog 的类型映射是对齐的。

分区表

分区列在 Doris 里就是普通列，SHOW PARTITIONS 以 k1=v1/k2=v2 的形式列出分区。查询时分区列上的谓词用于分区裁剪，少读一些 Bucket。

Fluss 只在分区名里保存分区值，分区名不允许出现的字符（比如 .、:）会被替换成 _。只有分区值能原样写进分区名的类型，Doris 才能读：

支持：CHAR、STRING、BOOLEAN、TINYINT、SMALLINT、INT、BIGINT、DATE，以及未开启 enable.mapping.varbinary 时的 BINARY/BYTES（分区值为字节的十六进制文本）。
不支持：FLOAT、DOUBLE、TIME、TIMESTAMP、TIMESTAMP_LTZ。这类表可以 DESCRIBE，但查询和 SHOW PARTITIONS 会报错，错误信息里会指出是哪个分区列。

查询操作

基础查询

-- 切换到 Catalog 后查询
SWITCH fluss;
USE db;
SELECT * FROM tbl LIMIT 10;

-- 使用全限定名
SELECT * FROM fluss.db.tbl WHERE dt = '20260101';

日志表读到查询规划那一刻为止的全部日志，同一分区里的各个 Bucket 用同一时刻的位点，一次查询看到的是一致的视图。主键表返回每个主键的最新状态，删掉的主键不会出现在结果里。

湖仓分层表与 Union Read

对于 table.datalake.enabled = true 的表，Doris 提供三种读法。默认读法把湖和日志合在一起读，称为 Union Read：

SELECT * FROM fluss.db.tbl;         -- Union Read：湖 + 日志合并后的完整数据（默认）
SELECT * FROM fluss.db.`tbl$lake`;  -- 只读 Paimon 湖中已分层的数据
SELECT * FROM fluss.db.`tbl$log`;   -- 只读 Fluss 日志中尚未分层的数据

tbl$lake 和 tbl$log 按数据所在位置划分，互不重叠，合起来就是 tbl 的全部数据。名字说的是数据在哪里，不是数据有多新：分层服务停了，tbl$log 仍然是还留在日志里的那部分。

tbl$lake

由 Paimon Connector 直接读分层服务写出的 Paimon 表。除了表本身的列，还多出 Fluss 写湖时附加的三个系统列：__bucket、__offset、__timestamp。
分层服务还没往湖里提交过数据时，查询报错 nothing has been tiered。
不支持 Paimon Catalog 的时间旅行和增量查询。

tbl$log

从湖快照对应的日志位点开始读，只返回这个位点之后写入的数据。
只支持日志表。主键表在湖快照之后的日志是一段变更流，里面有对湖中已有主键的更新和删除，没法作为一组独立的行返回，查主键表的 $log 会报错。
表必须已经有可读的湖快照，否则报错。
未开启湖仓分层的表没有 $lake 和 $log。

Union Read 模式

查询湖仓分层表本身（即 SELECT * FROM tbl）时是否做 Union Read，由 Catalog 属性 fluss.union_read.mode 决定：

取值	行为
`auto`（默认）	有可读的湖快照时做 Union Read；条件不满足时退回为只读 Fluss。
`required`	必须 Union Read，条件不满足时报错，不退回。
`disabled`	不做 Union Read，只读 Fluss，不看湖里的数据。

会话变量 fluss_union_read_mode 可以在单条语句范围内覆盖 Catalog 的设置：

SET fluss_union_read_mode = 'required';  -- 不允许退回为只读 Fluss，退回时直接报错
SET fluss_union_read_mode = 'disabled';  -- 只从 Fluss 读取
SET fluss_union_read_mode = '';          -- 默认值，跟随 Catalog 的设置

Union Read 模式只决定数据从哪条路径读出来，不改变结果：只要 Fluss 里的日志还完整，三种模式返回的行一样。required 适合回归测试和排查问题，读取路径不符合预期时直接报错，而不是换条路径把结果读出来。

auto 模式下退回为只读 Fluss 的情形

情形	说明
没有可读的湖快照	分层服务还没提交过数据，此时全部数据都在日志里。
`key-type`	主键表的主键列类型在湖端和日志端无法精确比较：`FLOAT`、`DOUBLE`、精度大于 6 的 `TIMESTAMP`/`TIMESTAMP_LTZ`，以及 `TIME`。
`partition-type`	主键表的分区列不是 `STRING`。湖端 Split 要靠分区值的文本形式匹配到 Fluss 分区，只有 `STRING` 能保证两边写法一致。
`tail-truncated`	主键表湖快照之后的日志已经被 Fluss 按 TTL 删掉了一部分，日志尾部读不全。
`tail-too-large`	主键表的日志尾部行数超过了 `fluss.union_read.max_tail_rows` 或 `fluss.union_read.max_total_tail_rows`。

主键表退回为只读 Fluss 不丢数据：Fluss 保存着主键表的完整状态，只是用不上湖里的列存文件，读起来慢一些。日志表不同，只读 Fluss 拿到的是 Fluss 日志里还留着的数据，早期日志按 TTL 过期后，结果会比 Union Read 少。已经分层的日志表不建议用 disabled。

日志尾部行数上限

对主键表做 Union Read 时，BE 要把每个 Bucket 的日志尾部放在内存里：一份是用来过滤湖端数据的主键集合，一份是尾部自己要输出的行。为了限制内存占用，fluss.union_read.max_tail_rows 限制单个 Bucket 的尾部行数（默认 200 万行），fluss.union_read.max_total_tail_rows 限制一次扫描所有 Bucket 尾部的总行数（默认 2000 万行）。两个上限都在规划阶段按 Fluss 上报的位点检查。正常情况下，日志尾部只是一个 table.datalake.freshness 周期内写入的数据，离默认上限很远；碰到上限，多半是分层服务停了或者严重滞后。

通过 EXPLAIN 确认读取路径

EXPLAIN 输出中的 flussScan 行会显示本次查询实际的读取方式：

flussScan: readMode=default, unionRead=yes, lakeSplits=3, suppressedLakeSplits=1, logRanges=0, pkRanges=0, pkTailRanges=1, mode=auto

字段	含义
`readMode`	`default` 表示读取整张表，`log` 表示读取的是 `tbl$log`。
`unionRead`	是否做了 Union Read。
`lakeSplits`	湖端 Split 数量。
`suppressedLakeSplits`	其中需要按日志尾部过滤的湖端 Split 数量，仅主键表有。
`logRanges`	日志表的日志扫描范围数量。
`pkRanges`	主键表从 Fluss 整体读取（KV 快照 + 变更日志）的 Bucket 数量。
`pkTailRanges`	主键表 Union Read 时，日志尾部的扫描范围数量。
`mode`	生效的 Union Read 模式。来自会话变量时带 `(session)` 后缀。
`degraded`	只在 `auto` 模式退回为只读 Fluss 时出现，值是上表里的退回原因。

湖表连接配置

Fluss 集群会把 server.yaml 里的 datalake.paimon.* 配置写进每张分层表的属性，Doris 据此构造 Paimon 湖的连接信息。多数情况下 Catalog 里不用再配湖的连接方式。

不过 Fluss 在把表属性返回给客户端之前，会删掉所有名字里含 key、secret 或 password 的配置项。Paimon 湖放在需要凭证的对象存储上时，Doris 拿不到凭证，必须在 Catalog 里用 fluss.lake.paimon. 前缀补上：

CREATE CATALOG fluss PROPERTIES (
    'type' = 'fluss',
    'fluss.bootstrap.servers' = '10.0.0.1:9123',
    'fluss.lake.paimon.s3.endpoint' = 'http://minio:9000',
    'fluss.lake.paimon.s3.access-key' = '<ak>',
    'fluss.lake.paimon.s3.secret-key' = '<sk>'
);

前缀后面用 Paimon 自己的参数写法，和 Fluss server.yaml 里 datalake.paimon. 后面的部分一样，直接复制即可：

Fluss server.yaml	Doris Catalog 属性
`datalake.paimon.warehouse: s3://bucket/lake`	`'fluss.lake.paimon.warehouse' = 's3://bucket/lake'`
`datalake.paimon.metastore: filesystem`	`'fluss.lake.paimon.metastore' = 'filesystem'`
`datalake.paimon.s3.endpoint: http://minio:9000`	`'fluss.lake.paimon.s3.endpoint' = 'http://minio:9000'`

覆盖是按 Key 进行的，不是整体替换。Catalog 里指定的 Key 覆盖 Fluss 集群上报的同名配置，没指定的仍然用集群的。只填凭证时，warehouse、metastore 等仍然来自集群。

其中存储类参数（凭证、Endpoint、Region、寻址方式）不会交给 Paimon Catalog，而是转成 Doris 自己的存储参数名，由 Doris 的存储层统一生效。原因是这些配置要同时给 FE（读 Manifest）和 BE（读数据文件）用，只有走存储层两边才是同一套。对应关系如下：

Paimon 参数写法	对应的 Doris 存储参数
`s3.access-key` / `s3.access.key`	`s3.access_key`
`s3.secret-key` / `s3.secret.key`	`s3.secret_key`
`s3.endpoint`	`s3.endpoint`
`s3.region`	`s3.region`
`s3.path-style-access` / `s3.path.style.access`	`use_path_style`
`fs.oss.accessKeyId`	`oss.access_key`
`fs.oss.accessKeySecret`	`oss.secret_key`
`fs.oss.endpoint`	`oss.endpoint`
`fs.obs.access.key` / `fs.obs.access-key`	`obs.access_key`
`fs.obs.secret.key` / `fs.obs.secret-key`	`obs.secret_key`
`fs.obs.endpoint`	`obs.endpoint`

fluss.lake.paimon.metastore 支持 filesystem（默认）、hive 和 rest。其余参数，比如 Hive Metastore 地址、REST 认证信息，按 Paimon Catalog 的方式填写。

ALTER CATALOG 只能设置属性，不能删除属性。要撤销某个 fluss.lake.paimon.* 覆盖，把它设成空字符串，Doris 会重新使用 Fluss 集群上报的配置：

ALTER CATALOG fluss SET PROPERTIES ('fluss.lake.paimon.warehouse' = '');

一个 Fluss Catalog 只按一套湖配置读湖表。Fluss 集群改了 datalake.paimon.* 之后，需要执行 REFRESH CATALOG 让 Doris 重新加载。

查询 Profile

一次 Fluss 扫描可能同时在读 Fluss 日志、Paimon 湖、覆盖湖端数据的日志尾部，还要做过滤，所以 Profile 按读取路径和范围类型分别统计耗时和行数，能看出时间花在哪一侧：

TableReader
├── FlussLogReadTime            8s25ms      Fluss 侧（JNI）总耗时
│   ├── FlussPkTailRangeNum          2      只注册本次扫描实际读取的范围类型
│   ├── FlussPkTailRangeReadTime  6s2ms
│   └── FlussLogRowsReturned         2
├── FlussLakeReadTime           8s25ms      Paimon 侧总耗时，包含尾部读取与过滤
│   ├── FlussLakeRangeNum            1
│   ├── FlussLakeSuppressRangeNum    2
│   └── FlussLakeRowsReturned        7      过滤后的行数；加上 SuppressedRows 即为过滤前的行数
├── FlussUnionTailReadTime      5s20ms      每个 Bucket 到 Fluss 的一次往返
└── FlussUnionSuppressTime      16.1us      按 Block 过滤，随湖端行数增长

某一侧的总耗时减去它下面各范围类型的耗时，就是初始化这个读取器的开销（JNI 类加载，或 Paimon 读取栈的初始化）。只读日志表的查询，Profile 里不会出现湖和主键相关的计数器。

查询性能

BE 读 Fluss 表有两条路径，开销差别很大：

C++ native reader。BE 直接读 Paimon 湖里的 ORC/Parquet 文件，和 Paimon Catalog 用的是同一套读取器，不经过 JVM，也能用上 Doris 的文件缓存。
JNI reader。BE 通过 JNI 调用 Fluss Java SDK 读 Fluss 自身的数据。日志、KV 快照、变更日志都只能这样读，每一批数据都要从 Java 对象转成 Doris 的列式 Block，比 native reader 慢得多。

走哪条路径由扫描范围的类型决定，对应 EXPLAIN 中 flussScan 行的各个计数：

读取内容	EXPLAIN 计数	读取路径
日志表的日志	`logRanges`	JNI
主键表整体读取（KV 快照 + 变更日志）	`pkRanges`	JNI
Union Read 中主键表的日志尾部	`pkTailRanges`	JNI
Union Read 或 `tbl$lake` 中，日志表的湖端 Split	`lakeSplits`	C++ native reader
Union Read 或 `tbl$lake` 中，主键表的湖端 Split	`lakeSplits`、`suppressedLakeSplits`	按 Paimon Catalog 的规则决定，见下文。按日志尾部主键过滤湖端行的动作在 BE 的 C++ 里完成

湖端 Split 由 Paimon Connector 规划，走不走 native reader 和查普通 Paimon 表时一样：

日志表分层出来的是 Paimon Append 表，Split 都能直接读文件，全部走 native reader。
主键表分层出来的是 Paimon 主键表。已经过 compaction、不需要和其他文件合并的 Split 走 native reader；刚写入还没 compaction 的文件，以及多个文件键范围重叠、需要 merge-on-read 的 Split，走 Paimon 的 JNI reader。
会话变量 force_jni_scanner = true 会让湖端 Split 全部改走 JNI，只在排查问题时使用。

对已分层的表，Union Read 让湖里的那部分（通常是绝大部分数据）走 native reader，只有分层位点之后的少量日志走 JNI。分层越及时（table.datalake.freshness 越小），走 JNI 的部分越少，这也是分层表默认采用 Union Read 的原因。几点建议：

分析历史数据、对新鲜度要求不高时，直接查 tbl$lake，整条路径都是 native reader。
fluss.union_read.mode = disabled 会让整张表改走 JNI，除了排查问题不建议使用。
auto 模式退回为只读 Fluss 时（EXPLAIN 里出现 degraded=），整张表同样改走了 JNI。主键表要留意 key-type 和 partition-type 两种情况，它们由表结构决定，得调整建表才能解决。
主键表的 Union Read 要为每个 Bucket 额外读一次日志尾部的主键（Profile 里的 FlussUnionTailReadTime），尾部越长开销越大。

要确认一条查询实际走了哪条路径，看 EXPLAIN 里 lakeSplits 与 logRanges、pkRanges、pkTailRanges 的比例，以及 Profile 里 FlussLakeReadTime 与 FlussLogReadTime 的耗时。

使用限制

只读。不支持 INSERT、UPDATE、DELETE，也不支持 CREATE TABLE、DROP TABLE 这类库表管理操作。
湖格式只支持 Paimon。table.datalake.format 是其他格式的表，读不了湖端数据。
Fluss 的 TIME 类型映射为 UNSUPPORTED，这一列查不了。
谓词不下推到 Fluss 和 Paimon 湖端，除分区裁剪外，过滤都由 Doris 读到数据后再做。列裁剪和嵌套类型的子列裁剪都支持。
不支持时间旅行和增量查询，tbl$lake 也不支持。
Fluss 只提供表级行数，没有列级统计信息。

常见问题

查询湖仓分层表时报错 the paimon connector plugin is not available

湖端数据靠 Paimon Connector 插件读取。检查 FE 部署目录下的 plugins/connector/paimon 目录是否完整。
查询 tbl$lake 或 Union Read 时报错，提示无法访问对象存储

Fluss 不会下发存储凭证，需要在 Catalog 里用 fluss.lake.paimon.* 配上。参见【湖表连接配置】。
报错 has no readable lake snapshot yet

分层服务还没往湖里提交过数据。required 模式下这是错误，可以等分层服务提交，或者改用 auto。
报错 is already serving lake tables with a different paimon configuration

Catalog 创建之后，Fluss 集群的 datalake.paimon.* 配置变了。执行 REFRESH CATALOG 重新加载。
报错 cannot be read: its partition column 'xx' has fluss type TIMESTAMP(3)

分区列的类型 Doris 读不了。参见【分区表】。

功能调试

Doris 代码库的 docker/thirdparties/docker-compose/fluss 目录有一套回归测试用的 Fluss 环境，包含 Fluss、Flink、Paimon 分层服务和 MinIO，可以照着里面的 README 搭一套来验证功能。

适用场景​

工作原理​

配置 Catalog​

语法​

示例​

部署要求​

依赖的 Fluss 版本​

元数据映射​

列类型映射​

分区表​

查询操作​

基础查询​

湖仓分层表与 Union Read​

Union Read 模式​

湖表连接配置​

查询 Profile​

查询性能​

使用限制​

常见问题​

功能调试​

参考资料​