DLF 作為阿里雲統一的資料湖底座，旨在無縫整合主流巨量資料計算引擎，為即時湖倉、離線湖倉及 OLAP 分析等多樣化業務情境提供強大支援。目前，DLF 已與Realtime Compute Flink 版、EMR Serverless Spark、EMR Serverless StarRocks 和 EMR on ECS 等核心引擎深度對接，並持續擴充其生態相容性。
支援的引擎範圍
下表列出了各對接方式支援的引擎和工具：
對接方式 | 支援的引擎/工具 |
Paimon REST | |
Iceberg REST | |
檔案訪問 | |
Lance |
DLF 暫不支援自建 Spark 等非阿里雲引擎直接對接。如需使用 Spark 引擎訪問 DLF，請選擇 EMR Serverless Spark 或 EMR on ECS。
對接方式
為了滿足不同引擎和使用者在訪問資料時的靈活性需求，DLF 提供了以下四種標準化的對接方式：
Paimon REST：面向基於 Apache Paimon 構建的計算引擎，提供符合 Paimon 社區規範的 RESTful 中繼資料服務介面，支援表結構管理、快照查詢等核心操作。
Iceberg REST：面向基於 Apache Iceberg 構建的計算引擎，提供符合 Iceberg 社區規範的 RESTful 中繼資料服務介面，支援表結構管理、快照查詢等核心操作。
檔案訪問：通過 Paimon 虛擬檔案系統（PVFS），將表資料抽象為標準檔案路徑，直接讀取底層資料檔案與中繼資料，無需依賴完整計算引擎，適用於指令碼化探索、調試及輕量級資料處理。
Lance：面向 Lance 格式資料，通過 Python SDK（lance-dlf）串連 DLF Catalog，支援 Lance 表的讀寫操作，可配合 Daft DataFrame 引擎進行查詢過濾和批次運算。
通過這四種方式，您可以根據自身引擎的技術棧和架構偏好，選擇最適合的接入路徑，實現與 DLF 資料湖的高效協同。