特性速覽| Apache Hudi 0.5.3版本正式釋出

leesf發表於2020-06-19
Apache

1. 下載連線

2. 遷移指南

  • 這是一個bugfix版本，從0.5.2升級時不需要任何特殊的遷移步驟。如果要從早期版本"X"升級，請閱讀"X"和0.5.3之間的每個後續版本的遷移指南。
  • 0.5.3是Hudi畢業後的第一個版本，因此所有hudi jar的版本名稱中不再帶有"-incubating"。在所有提及hudi版本的地方，請確保不再存在"-incubating"。

例如，hudi-spark-bundle pom依賴如下所示：

<dependency>
	<groupId>org.apache.hudi</groupId>
	<artifactId>hudi-spark-bundle_2.12</artifactId>
	<version>0.5.3</version>
</dependency>

3. 關鍵特性

  • Hudi內建支援 aliyun OSS 物件儲存。

  • 預設情況下將為delta-streamer和spark datasource寫入啟用Embedded Timeline Server。在此版本之前，此功能處於實驗模式，embeddedTimeline Server在Spark Driver中快取檔案列表，並提供Restful介面給Spark Writer任務呼叫來減少了每次寫入時的list檔案列表的操作，此優化對雲上物件儲存非常友好。

  • 預設情況下為delta-streamer和Spark datasource寫入均啟用"增量清理(incremental cleaning)"。在此版本之前，此功能還處於實驗模式，在穩定狀態下，增量清理避免了掃描所有分割槽的昂貴步驟，而是使用Hudi後設資料來查詢要清理的檔案，此優化也對雲上物件儲存非常友好。

  • 支援將Delta-Streamer配置檔案放置在與實際資料不同的檔案系統中。

  • Hudi Hive Sync現在支援按日期型別列分割槽的表。

  • Hudi Hive Sync現在支援直接通過Hive MetaStore進行同步。您只需要設定hoodie.datasource.hive_sync.use_jdbc = false。Hive Metastore Uri將從environment中隱式讀取。例如當通過Spark datasource寫入時，

     spark.write.format(“hudi”)
 .option(…)
 .option(“hoodie.datasource.hive_sync.username”, “<user>”)
 .option(“hoodie.datasource.hive_sync.password”, “<password>”)
 .option(“hoodie.datasource.hive_sync.partition_fields”, “<partition_fields>”)
 .option(“hoodie.datasource.hive_sync.database”, “<db_name>”)
 .option(“hoodie.datasource.hive_sync.table”, “<table_name>”)
 .option(“hoodie.datasource.hive_sync.use_jdbc”, “false”)
 .mode(APPEND)
 .save(“/path/to/dataset”)

  • 支援Presto查詢MoR表時Hudi側的改造。

  • 其他與Writer Performance相關的缺陷修復。

    • 現在DataSource Writer避免了寫入後不必要的資料載入。
    • Hudi Writer現在利用spark的併發來加速小檔案查詢。

4. 感謝

感謝如下貢獻者（排名不分先後）: @bhasudha，@yanghua ，@ddong ，@smarthi ，@afilipchik，@zhedoubushishi，@umehrot2，@varadar，@ffcchi，@bschell，@vinothchandar ，@shenh062326，@lamber-ken，@zhaomin1423，@EdwinGuo，@prashantwason ，@pratyakshsharma，@dengziming ，@AakashPradeep，@Jecarm ，@xushiyan ，@cxzl25，@garyli1019 ，@rolandjohann ，@nsivabalan，@leesf ，@jfrazee

相關文章