Hudi 客户端实现分析

08. Hudi 客户端实现分析

主题说明

Hudi 提供了三种客户端实现：Spark、Flink 和 Java。理解客户端实现有助于理解不同引擎下的写入机制。

客户端实现包括：

BaseHoodieWriteClient：客户端基类
SparkRDDWriteClient：Spark 客户端
HoodieFlinkWriteClient：Flink 客户端
HoodieJavaWriteClient：Java 客户端

细化内容

BaseHoodieWriteClient - 客户端基类

BaseHoodieWriteClient是所有客户端的基类，定义了通用的写入逻辑。

主要方法：

startCommit()：开始新的提交
upsert()：更新或插入
insert()：插入
delete()：删除
commit()：提交

核心逻辑：

索引查找
数据分区
文件写入
提交管理

SparkRDDWriteClient - Spark 客户端

SparkRDDWriteClient是 Spark 的客户端实现，使用 JavaRDD 作为数据容器。

特点：

使用 Spark 的分布式计算
支持大规模数据处理
自动管理 Spark 任务

HoodieFlinkWriteClient - Flink 客户端

HoodieFlinkWriteClient是 Flink 的客户端实现，支持流式写入。

特点：

支持流式写入
Checkpoint 集成
状态管理

HoodieJavaWriteClient - Java 客户端

HoodieJavaWriteClient是 Java 的客户端实现，使用 List 作为数据容器。

特点：

单机处理
简单易用
适合小规模数据

关键技术

索引查找

所有客户端都使用索引来查找记录位置：

Bloom Index：布隆过滤器索引
Simple Index：简单索引
Global Index：全局索引

数据分区

客户端根据分区字段对数据进行分区：

分区策略：按分区路径分区
文件组分配：分配文件组
写入优化：优化写入性能

提交管理

客户端管理提交过程：

Instant 创建：创建提交时间点
元数据生成：生成提交元数据
Timeline 更新：更新 Timeline

关键对象说明

类关系图

关键操作时序图

代码示例

Spark 客户端使用

HoodieSparkEngineContextcontext=newHoodieSparkEngineContext(jsc);HoodieWriteConfigconfig=HoodieWriteConfig.newBuilder().withPath(basePath).build();SparkRDDWriteClientclient=newSparkRDDWriteClient(context,config);StringinstantTime=client.startCommit();JavaRDD<WriteStatus>writeStatuses=client.upsert(records,instantTime);client.commit(instantTime,writeStatuses);