在RFC-33中描述,hudi对schema evolution进行了统一设计,在官网文档中也指明了从0.11版本开始,spark-sql ddl是支持schema evolution的,而flink-sql在旧版本中并不支持ddl方式对表结构,所以full schema evolution都隐藏在读写过程中。对于使用者,我们最终只关心表的读和写,但从实现层面来看,schema evolution需要覆盖不同的数据文件格式,还需要集成在各种hudi的表服务中。
- hudi 0.13.1
- flink 1.14.5
schema on read模式
schema on read模式下才支持复杂的schema evolution,目前需要显式启用hoodie.schema.on.read.enable
,否则默认是非schema on read模式
语义
hudi中提供的完整schema evolution语义如下,目前spark已经全面实现,而flink因未对接ddl,所以尚未支持重命名。
- 添加一个新列到表或者嵌套的结构体
- 从表或嵌套的结构体删除一个已有列
- 将一个已有的列或结构体内的字段重命名
- 将数据类型更改为范围更大,包括列、结构体字段、map键值、数组元素的类型
- 改变列或嵌套结构体的字段顺序<