prestosql和prestodb对hudi的支持分析

1. prestosql与prestodb的支持程度

     在hudi的官网上，并没有介绍prestosql与hudi的集成对接，其实只要将hudi的jar包放到prestosql的connector的目录下，prestosql也是能正常对接的，但是 prestosql对hudi的对接不如prestodb完善，两者的对接情况如下：

	COW的实时视图	COW的增量查询	MOR的实时视图	MOR的增量查询	MOR的读优化视图
prestosql	Y	N	N	N	Y
prestodb	Y	N	Y	N	Y

    2. prestosql与prestodb访问hudi数据源的方式

    prestosql与prestodb两者获取split的区别：

	获取实时视图的splits方式	获取读优化视图的splits方式
prestosql	HoodieParquetRealtimeInputFormat的getSplits()接口	HoodieParquetInputFormat的getSplits()接口
prestodb	HoodieParquetInputFormat的getSplits()接口	通过hdfs的路径自己生成splits

      prestodb在获取优化视图的splits的时候，还做了一些路径过滤的优化。   

     

      prestodb和prestosql在获取数据源的数据上也有区别：

      prestodb的数据读取时通过HoodieParquetRealtimeInputFormat.getRecordReader进行的，在数据读取的时候，会传入日志更新文件路径，基准文件路径等信息，Hudi内部的InputFormat会根据日志修改信息对基准文件操作后再返回，所以读到的数据都是最新的，因此prestodb是支持hudi的实时读取的。

   prestosql读取hudi的实时视图使用了Parquet原生接口，Parquet原生读取器只能认识Parquet的基准文件，对于Hudi维持的数据变化信息的log文件并不认识，因此在hudi upsert的时候，log更新信息对prestosql来说等同透明，所以prestosql是不支持hudi实时视图的读取的。

      读优化视图读取的都是Parquet基准文件，因此在读优化视图上，prestosql和prestodb功能上无区别。

  3. prestodb访问hudi实时视图关键代码的走读

     1.    如果是Hudi的实时视图，使用的是数据源的InputFormat，其他视图则自己构造splits，并且根据数据源的路径优化信息尽心读取的文件过滤 

      2. 在读取Parquet的时候，如果数据源有使用UseRecordReaderFromInputFormat注解，则使用数据源的RecordReader。HoodieParquetRealtimeInputFormat有标有此注解，HoodieParquetInputFormat无标此注解，Hudi实时视图使用的是HoodieParquetRealtimeInputFormat格式，因此读取数据的时候使用的是数据源的RecordReader方式。

      3.上边返回Optional.empty()之后,presto将构造GenericHiveRecordCursorProvider进行数据读取

     4. GenericHiveRecordCursorProvider中使用了数据源的getRecordReader进行数据读取，即上述的HoodieParquetRealtimeInputFormat.getRecordReader的接口进行数据拉取。

     5. 传给数据源的customSplitInfo参数包括基准文件，log更新文件等信息。