Apache Hudi特性—文件布局
下面将讨论一些关键概念和术语，这些概念和术语对于理解和有效使用这些原语非常重要。Hudi文件布局
Apache Hudi的一般文件布局结构描述如下：
- (1) Hudi将数据表组织到分布式文件系统的基路径（base path）下的目录结构中。
- (2) 表被分解成分区。
- (3) 在每个分区内，文件被组织到文件组中，由一个文件ID惟一地标识。
- (4) 每个文件组包含几个文件片。
- (5) 每个文件片包含在某个提交/压缩瞬态生成的一个基文件（.parquet），以及一组日志文件（.log.*），这些日志文件包含自基本文件生成以来对基文件的插入/更新。
Hudi采用Multiversion Concurrency Control（MVCC），其中压缩操作将日志和基文件合并生成新的文件片，清理操作将删除未使用的/旧的文件片，以回收文件系统上的空间。
Apache Hudi的一般文件布局结构如下图所示。
