hudi系列-upsert写过程

本文详细介绍了Hudi的upsert写入过程,尤其是在使用Flink状态索引时的复杂性。流程包括桶分配和数据写入。数据首先根据主键进行shuffle,然后分配到特定的bucket assigner中。在MOR表中,无论是append还是upsert,都会经历桶分配,但upsert涉及删除旧分区记录并在新分区分配新位置。文章强调了合理设置并行度和Flink状态的重要性,并指出写数据时会触发缓存数据的刷盘操作,以及Write Coordinator的角色。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

环境

hudi upsert写过程最为复杂,流程上有一个桶分配的环节,当以flink state为索引时,流程变得更长,所以写入性能较差。

  • hudi 0.13.0
  • mor表+insert/upsert 或 cow表+upsert
  • flink状态索引

核心类为BucketAssignFunctionStreamWriteFunction

由于存在着语义上的迷惑,从flink 0.13.1开始mor insert将不再走upsert写过程,而是与cow insert合并,至此,insert统一为append模式,写入只生成parquet文件

整体流程

 | pk1,pk4 | ===\     /=== | bucket assigner1 | ===\     /=== | write task1(pk1,pk2) |
              shuffle(by PK)                    shuffle(by bucket ID)
 | pk2,pk3 | ===/     \=== | bucket assigner2 | ===/     \=== | write task2(pk3,pk4) |
  1. 流中的数据先根据主键进行shuffle,由于主键的唯一性,所以同一记录后续的变更都会分配到相同的bucket a
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值