Hudi数据湖简介

今天跟大家分享的大数据产品叫Apache Hudi，Hudi是Hadoop Updates and Incrementals的简写，它是由Uber开发并开源的Data Lakes解决方案。下面首先放一张Hudi在Hadoop体系架构中的位置图：

1. 什么是数据湖？

首先介绍一下什么是数据湖，提到数据湖，不得不说一下数据仓库。

• 关系型数据库大行其道的年代，随着各个业务系统增多，在应对一些分析场景时，慢慢产生了数据仓库的概念，包括之前介绍的Greenplum、Teradata等产品，都是数据仓库的代表产品，数据仓库最显著的特点有：ETL - 它自己不产生数据，所以需要ETL操作；历史性 - 存储一切可追溯的历史信息；分析性 - 分析能力强。
• 但是数据仓库只能落库处理结构化数据，随着数据量的增大和计算需求的复杂，很多场景是数据仓库不能解决的（当然我认为并没有‍♂️），所以就产生了数据湖的概念，数据湖相对于数据仓库更加平面化，不需要提前定义好schema信息。
• 数据湖和数据仓库的概念大概如上，其实我认为二者之间并不是谁替代谁的问题；在ad-hoc场景下，数据仓库仍然具有明显优势；反观分结构化场景如机器学习，超大规模数据分析等场景下，数据湖可能更有优势一些。

2. Hudi是什么？

开篇已经介绍了Hudi的基本概念，但是很多人如果第一次看，仍然不知道Hudi是什么？Hadoop体系太庞大了啊，平时道听途说张口就来的产品多了：Spark、Flink、Presto、Iceberg、Hive、Kafka。那么Hudi应该处在什么位置？看下图：

不错，仍然是第一张图，不同的是，我在图上用绿色框标注了一些产品。我们可以粗浅的认为：

• Hive、Impala、Presto、Spark等，架设在Hudi上方；
• Kafka或关系型数据库是Hudi的数据源头；
• Hudi的底层数据，实际上存储在HDFS、S3、ALLUXIO、Ali OBS等分布式存储上。
• 虽然涂上你能看到Hudi虚线框部分，也有Spark和Flink的标志，但是我们暂时忽略（因为他们仅仅是用来数据入库）

经过上面的比较，可以获知，Hudi实际上就是一个中间数据处理层。它的底层一定是要依赖分布式存储的，当然用的最多的就是HDFS。

Hudi作为一个数据湖方案，他自己本身不产生任何业务数据，可以通过Spark、Flink等工具，接入关系型数据库、日志、消息队列的数据，进行大容量的存储，最终提供给上层查询引擎比如Presto、Hive等进行查询。

3. 为什么需要Hudi？

这个也是我比较疑惑的地方，Hadoop的技术栈太复杂了啊，为什么我还要用Hudi？我想一个产品的应用和发展肯定是与他的特性分不开的，Hudi具有以下显著的特性：

• Hudi能够摄入（Ingest）和管理（Manage）基于HDFS之上的大型分析数据集，主要目的是高效的减少入库延时。
• Hudi基于Spark来对HDFS上的数据进行更新、插入、删除等。
• Hudi在HDFS数据集上提供如下流原语：插入更新（如何改变数据集）；增量拉取（如何获取变更的数据）。
• Hudi可以对HDFS上的parquet格式数据进行插入/更新操作。
• Hudi通过自定义InputFormat与Hadoop生态系统（Spark、Hive、Parquet）集成。
• Hudi通过Savepoint来实现数据恢复。
• 目前，Hudi支持Spark和Flink构建一体化数据湖解决方案。

其实说到“为什么需要Hudi？”我也没有真正弄明白，你们呢？如果有什么想法，请留言交流，大家一起把这个搞搞清楚。