【数据湖Hudi的概念】Table Types、Indexing和Metadata Table

1. Table Types

1.1 Copy On Write

Copy-On-Write表的file slice只有一个base file，每一次action都会进行compaction，产生新version的file slice

说明：

• field1、field2、field3在10:05的数据全部在base file中
• 此时query能查询到version 10:05的数据
• 10:10的upsert操作被compaction到field1、field2、field5，产生新version的base file
• 此时query能查询到version 10:05和10:10的数据

1.2 Merge On Read

Merge on read表是copy on write表的超集。commit的数据首先被储存在log files中，然后会进行后台的compaction，将base file + log files合并，生成一个新version的base file。读取能达到近实时，可能有几分钟的延迟，有3种数据读取方式：

1. Snapshot Queries：读取某个instant time的Snapshot，包含base file + log files。读取的数据延时低，查询性能低
2. Incremental Queries：读取某个instant time后的增量数据，包含base file + log files
3. Read Optimized Queries：读取某个instant time的Snapshot，只读取base file。读取的数据延时高，查询性能高

1.3 Copy On Write对比Merge On Read

对比点	CopyOnWrite	MergeOnRead
写入延迟	Higher	Lower
query延迟	Lower	Higher
Update cost(I/O)	Higher，rewrite整个parquet文件	Lower，append数据到delta log
Parquet File Size	Smaller	Larger
Write Amplification	Higher	Lower(取决于compaction strategy)
查询方式	Snapshot Queries + Incremental Queries	Snapshot Queries + Incremental Queries + Read Optimized Queries

2. Indexing

每一个file group对应表的一个primary key。Hudi将partition + primary key作为hoodie key，映射到一个file group

Hudi支持以下几种Index类型，可以通过hoodie.index.type参数(BLOOM / HBASE / INMEMORY)进行指定：

• Bloom Index(default)：
  • 对record key使用bloom filters。如果构造的record key是event_time + event_id这种顺序key，布隆过滤器还可以进行范围过滤。
  • Hudi支持动态布隆过滤器(使用hoodie.bloom.index.filter.type=DYNAMIC_V0启用)，它根据存储在给定文件中的记录数自动调整配置以改善误报率
  • 适用于update / delete的数据影响少部分partition
• Simple Index：
  • 将表中的字段解析成key，和update/delete record进行join
  • 适用于update / delete的数据影响大部分partition
• HBase Index: 将Index mapping储存在Hbase中
• Bring your own implementation: 可以继承API实现自定义的indexing

Index有全局索引和非全局索引

• 全局索引：
  • primay key只会存在一个partition中，hoodie key就是primary key
  • 会随着表的数据越多，性能越慢
  • update/delete的数据等于该primary key，但不属于该partition，会造成数据错误问题。所以需要我们保证primary key只能属于一个partition
  • 对于user_id为primary key，home_city为partition，会发生home_city变化的情况，这样partition path就会发生变化。需要设置hoodie.bloom.index.update.partition.path=true / hoodie.simple.index.update.partition.path=true
  • Hbase索引是全局索引
• 非全局索引：
  • primary key可能存在多个partition中
  • 布隆索引和Simple Index默认是非全局索引，可以通过hoodie.index.type=GLOBAL_BLOOM / hoodie.index.type=GLOBAL_SIMPLE进行指定

3. Metadata Table

文件listings和partitions信息直接通过metadata table查询获取，减少HDFS的访问，提升读写性能

当完成一次成功的数据写入之后，coordinator会先同步抽取文件listings、partiitons等信息写入metadata table，然后再写event log到timeline

Metadata Table默认是开启的，可以通过hoodie.metadata.enable进行设置