关于hudi与HDFS/对象存储的文件追加写（Append）

吸积盘

已于 2022-05-25 14:54:28 修改

阅读量1.7k

点赞数

文章标签：云计算

于 2022-05-24 15:05:06 首次发布

本文链接：https://blog.csdn.net/changrui82/article/details/124945966

版权

Hudi通过Hadoop FileSystem API与多种存储交互，包括HDFS和对象存储。尽管HDFS从1.0.4版本起支持文件追加写，但大多数云存储如S3和OSS并不直接支持。Hudi利用HDFS的append功能优化流式写入，减少文件计数。OSS通过特定接口实现追加写，但不常用。当前，AWS EMR已集成Hudi，且Hudi对OSS进行了更多适配工作。

摘要由CSDN通过智能技术生成

在HDFS的早期版本中，出于种种考虑，没有支持文件的追加写。但从1.0.4版本开始，支持了文件追加写。配置文件中也有是否开启该功能的选项：

<property>
    <name>dfs.support.append</name>
    <value>true</value>
</property>

而对于公有云上常见的对象存储，比如S3和OSS，是否支持追加写呢？

OSS的一般文件不支持append。不过可以创建追加写类型文件，就能够支持append。调用AppendObject接口会创建一个追加类型文件，后续就可以对该文件进行追加写操作。但这种模式似乎很少使用。

S3同样是不支持append的。

在对象存储服务上想对文件追加内容，一般都需要下载后追加然后再上传覆盖原来的文件。

以下论述摘自hudi官网：Hudi interacts with lake storage using the Hadoop FileSystem API, which makes it compatible with all of its implementations ranging from HDFS to Cloud Stores to even in-memory filesystems like Alluxio/Ignite. Hudi internally implements its own wrapper filesystem on top to provide additional storage optimizations (e.g: file sizing), performance optimizations (e.g: buffering), and metrics. Uniquely, Hudi takes full advantage of