Paimon Blob表通过将大型二进制对象存储在独立文件中并优化随机访问，支持行级跟踪和Schema演进，适用于多模态数据存储与操作。-开源大数据平台 E-MapReduce(EMR)-阿里云帮助中心

Paimon Blob格式是一种专门用于存储大型二进制对象（如图像、视频及其他多模态数据）的格式。与将数据内联存储的其他格式不同，BLOB 格式将大型二进制数据存储在独立的文件中，并采用针对随机访问优化的布局结构。

支持版本

仅esr-4.7.0及之后引擎版本支持本文操作。

Paimon Blob表说明

创建 Paimon Blob 表的关键在于正确定义表结构和表属性。以下是一个标准的 Paimon Blob 表创建模板，其中包含了关键参数的说明。

CREATE TABLE blob_tbl (
    fileName STRING,
    picture BINARY
)
USING paimon
TBLPROPERTIES (
    'row-tracking.enabled' = 'true',
    'data-evolution.enabled' = 'true',
    'blob-field' = 'picture'
);

关键参数说明：

'blob-field' = 'picture': 声明 picture 字段为 Blob 字段。该字段必须是 BINARY 类型。
'row-tracking.enabled' = 'true': 开启行级别跟踪，是支持 MERGE INTO 更新和删除操作的前提。
'data-evolution.enabled' = 'true': 允许 Schema 演进。

使用示例

本示例演示如何从 OSS 读取图片文件，并将其写入 Paimon Blob 表。

准备测试图片

本文为了带您快速熟悉Paimon Blob 表，为您提供了测试图片，您可以直接下载以供后续步骤使用。

单击cat.png，dog.jpg，直接下载测试图片。

上传测试图片

上传图片到阿里云对象存储OSS控制台，详情请参见简单上传。

本示例将 cat.png 和 dog.jpg 两张测试图片上传至 Bucket 的 pictures/ 目录中。

开发并运行

在EMR Serverless Spark页面，单击左侧的数据开发。

单击后进入数据开发页面，中间面板显示开发目录和数据目录两个 Tab，目录树下包含开发目录和 Git 目录两个节点。
新建Notebook。
1. 在开发目录页签下，单击图标。
2. 在弹出的对话框中，输入名称，类型使用交互式开发 > Notebook，然后单击确定。
在右上角选择已创建并启动的Notebook会话实例。

您也可以在下拉列表中选择创建 Notebook 会话，新建一个Notebook会话实例。关于Notebook会话更多介绍，请参见管理Notebook会话。

拷贝如下代码到新增的Notebook的Python单元格中。

from PIL import Image
import io
from IPython.display import display
from pyspark.sql.functions import input_file_name, col, monotonically_increasing_id, regexp_extract
# 1. 递归读取OSS下的图片文件
df = (
    spark.read.format("binaryFile")
    .option("recursiveFileLookup", "true")
    .load("oss://<yourBucketName>/<yourPicturePath>/")
)
# 2. 提取文件名和图片二进制数据
df_with_id = (
    df.select(
        col("content").alias("picture"),
        regexp_extract(input_file_name(), r".*/(.+)$", 1).alias("fileName")
    )
    .select("fileName", "picture")
)
# 3. 创建临时视图
df_with_id.createOrReplaceTempView("temp_images")
# 4. 预览元数据
print("Preview of image metadata (first few rows):")
spark.sql("SELECT fileName, length(picture) AS size_bytes FROM temp_images LIMIT 5").show(truncate=False)
# 5. 创建 blob 表
spark.sql("DROP TABLE IF EXISTS blob_tbl")
spark.sql("""
    CREATE TABLE blob_tbl (
        fileName STRING,
        picture BINARY
    )
    USING paimon
    TBLPROPERTIES (
        'row-tracking.enabled' = 'true',
        'data-evolution.enabled' = 'true',
        'blob-field' = 'picture'
    )
""")
# 6. 写入数据
print("Writing images to 'blob_tbl'...")
spark.sql("INSERT INTO blob_tbl SELECT * FROM temp_images")
# 7. 读取并展示前两张图片
print("\nFetching and displaying the first 2 images from the table...\n")
result_df = spark.sql("SELECT fileName, picture FROM blob_tbl LIMIT 2")
rows = result_df.collect()
if not rows:
    print("No images found in the table.")
else:
    for i, row in enumerate(rows, start=1):
        print(f"[{i}] Displaying: {row.fileName}")
        try:
            img = Image.open(io.BytesIO(row.picture))
            display(img)
        except Exception as e:
            print(f"  ⚠️  Failed to load image: {e}")

单击运行所有单元格，在下方查看运行结果。

Preview of image metadata (first few rows):
+--------+----------+
|fileName|size_bytes|
+--------+----------+
|cat.png |354076    |
|dog.jpg |59207     |
+--------+----------+
Writing images to 'blob_tbl'...
Fetching and displaying the first 2 images from the table...
[1] Displaying: cat.png
[2] Displaying: dog.jpg