前言
Long time no see(鞠躬
最近终于开始尝试推广Hudi在部门内部的应用,作为流批一体计划的最后一块拼图,顺便复活许久未更的博客,希望今后至少能保持周更的节奏吧。
在Hudi官方文档的开头列举了四大核心概念,分别是:
- Timeline
- File Layout
- Table Types
- Query Types
本文就来简要地谈谈Timeline。
Timeline作用与结构
官网关于Timeline的页面洋洋洒洒介绍了很多,但是少了笔者认为最关键的、本质的概念:
Timeline就是Hudi的事务日志。
读者可以回想一下MySQL中的Redo/Undo Log、Kudu中的Redo/Undo File(可参见很久之前写的解析)。Timeline在Hudi中扮演的角色和它们基本相同(尽管Hudi并不是一个数据库系统),也就是说,Hudi依靠Timeline提供快照隔离(SI)的事务语义,并使得增量查询、Time-travel等特性成为可能。
每张Hudi表都有一条Timeline,由许多Instant组成,其中维护了各个时间点在该表上进行的操作。每个Instant又包含以下3个主要field。
- Time:操作进行的时间戳,单调递增,格式为
yyyyMMddHHmmssSSS
; - Action:该时间戳进行的具体操作,如
commit
、compaction
等,所有操作都是原子的; - State:这个Instant的状态,包含
requested
、inflight
和completed
三种。
Timeline和Instant的详细图示如下。
关于各个Action和State值的含义,可直接参考文档,这里不再赘述。
Timeline以文件序列的形式存储,其路径位于/path/to/table/.hoodie
目录,每个文件的命名方式是[time].[action].[state]
(处于completed状态的Instant没有state
后缀),例如:20220822181448272.deltacommit.inflight
。不同类型的Action对应的文件格式由不同的Avro Schema定义,以一个已经完成的deltacommit操作为例,它对应的Instant数据节选如下:
{
"fileId" : "6e0ef835-2474-4182-b085-e64994788729",
"path" : "2022-08-22/.6e0ef835-2474-4182-b085-e64994788729_20220822181218028.log.1_3-4-0",
"prevCommit" : "20220822181218028",
"numWrites" : 179,
"numDeletes" : 0,
"numUpdateWrites" : 179,
"numInserts" : 0,
"totalWriteBytes" : 60666,
"totalWriteErrors" : 0,
"tempPath" : null,
"partitionPath" : "2022-08-22",
"totalLogRecords" : 0,
"totalLogFilesCompacted" : 0,
"totalLogSizeCompacted" : 0,
"totalUpdatedRecordsCompacted" : 0,
"totalLogBlocks" : 0,
"totalCorruptLogBlock" : 0,
"totalRollbackBlocks" : 0,
"fileSizeInBytes" : 199309,
"minEventTime" : null,
"maxEventTime" : null,
"logVersion" : 1,
"logOffset" : 0,
"baseFile" : "6e0ef835-2474-4182-b085-e64994788729_0-4-0_20220822181218028.parquet",
"logFiles" : [ ".6e0ef835-2474-4182-b085-e64994788729_20220822181218028.log.1_3-4-0" ],
"recordsStats" : {
"val" : null,
"present" : false
},
"columnStats" : {
"val" : null,
"present" : false
}
}
Timeline实现
Timeline的类层次体系如下图所示。
HoodieTimeline
接口定义了所有合法的Action和State的组合(也就是Instant文件的扩展名组合),以及Instant的获取、过滤和文件名拼接等规范,主要的实现则位于HoodieDefaultTimeline
类。所有的Instant维护在List
容器中。
举个例子,Flink-Hudi Sink配备了生成Inline Compaction计划的算子CompactionPlanOperator
,在每个Checkpoint完毕时负责调度。它需要在Timeline中寻找第一个pending的Compaction操作,就会用到HoodieDefaultTimeline
提供的对应方法:
// CompactionPlanOperator
private void scheduleCompaction(HoodieFlinkTable table, long checkpointId) throws IOException {
// the first instant takes the highest priority.
Option firstRequested = table.getActiveTimeline().filterPendingCompactionTimeline()
.filter(instant -> instant.getState() == HoodieInstant.State.REQUESTED).firstInstant();
if (!firstRequested.isPresent()) {
// do nothing.
LOG.info("No compaction plan for checkpoint " + checkpointId);
return;
}
// ......
}
// HoodieDefaultTimeline
@Override
public HoodieTimeline filterPendingCompactionTimeline() {
return new HoodieDefaultTimeline(
instants.stream().filter(s -> s.getAction().equals(HoodieTimeline.COMPACTION_ACTION) && !s.isCompleted()), details);
}
下面再来看看HoodieDefaultTimeline
的两个实现。
HoodieActiveTimeline
顾名思义,HoodieActiveTimeline
维护当前活动的Timeline,它的主要作用是读写不同Action、不同State对应的Instant文件,所以大部分操作都是直接对文件操作。以requested
状态到inflight
状态的转换为例,代码比较易懂,其他操作都类似:
public void transitionRequestedToInflight(HoodieInstant requested, Option content,
boolean allowRedundantTransitions) {
HoodieInstant inflight = new HoodieInstant(State.INFLIGHT, requested.getAction(), requested.getTimestamp());
ValidationUtils.checkArgument(requested.isRequested(), "Instant " + requested + " in wrong state");
transitionState(requested, inflight, content, allowRedundantTransitions);
}
private void transitionState(HoodieInstant fromInstant, HoodieInstant toInstant, Option data,
boolean allowRedundantTransitions) {
ValidationUtils.checkArgument(fromInstant.getTimestamp().equals(toInstant.getTimestamp()));
try {
if (metaClient.getTimelineLayoutVersion().isNullVersion()) {
// Re-create the .inflight file by opening a new file and write the commit metadata in
createFileInMetaPath(fromInstant.getFileName(), data, allowRedundantTransitions);
Path fromInstantPath = getInstantFileNamePath(fromInstant.getFileName());
Path toInstantPath = getInstantFileNamePath(toInstant.getFileName());
boolean success = metaClient.getFs().rename(fromInstantPath, toInstantPath);
if (!success) {
throw new HoodieIOException("Could not rename " + fromInstantPath + " to " + toInstantPath);
}
} else {
// Ensures old state exists in timeline
LOG.info("Checking for file exists ?" + getInstantFileNamePath(fromInstant.getFileName()));
ValidationUtils.checkArgument(metaClient.getFs().exists(getInstantFileNamePath(fromInstant.getFileName())));
// Use Write Once to create Target File
if (allowRedundantTransitions) {
FileIOUtils.createFileInPath(metaClient.getFs(), getInstantFileNamePath(toInstant.getFileName()), data);
} else {
createImmutableFileInPath(getInstantFileNamePath(toInstant.getFileName()), data);
}
LOG.info("Create new file for toInstant ?" + getInstantFileNamePath(toInstant.getFileName()));
}
} catch (IOException e) {
throw new HoodieIOException("Could not complete " + fromInstant, e);
}
}
除此之外,HoodieActiveTimeline
还有一个非常重要的功能是生成新的Instant时间戳:
public static String createNewInstantTime(long milliseconds) {
return lastInstantTime.updateAndGet((oldVal) -> {
String newCommitTime;
do {
if (commitTimeZone.equals(HoodieTimelineTimeZone.UTC)) {
LocalDateTime now = LocalDateTime.now(ZoneOffset.UTC);
newCommitTime = now.format(MILLIS_INSTANT_TIME_FORMATTER);
} else {
Date d = new Date(System.currentTimeMillis() + milliseconds);
newCommitTime = MILLIS_INSTANT_TIME_FORMATTER.format(convertDateToTemporalAccessor(d));
}
} while (HoodieTimeline.compareTimestamps(newCommitTime, HoodieActiveTimeline.LESSER_THAN_OR_EQUALS, oldVal));
return newCommitTime;
});
}
注意最近一个Instant的时间以AtomicReference
来维护,这样就可以通过CAS操作(updateAndGet()
)来保证Instant的时间戳单调递增。
活动Timeline中可维护的Commit数目的上下界可由参数hoodie.keep.max.commits
和hoodie.keep.min.commits
来指定,默认值分别为30和20。
HoodieArchivedTimeline
随着Hudi表不断写入,Instant会逐渐增多,为了降低活动Timeline上的文件压力,需要对比较久远的Instant进行归档,并将这些Instant从活动Timeline移除。这个操作一般是默认执行的(hoodie.archive.automatic
默认为true
),归档后的Instant就会维护在HoodieArchivedTimeline
中,位于/path/to/table/.hoodie/archived
目录下。触发自动归档的Commit数上下界则由参数archive.max_commits
和archive.min_commits
指定,默认值分别为50和40。
向HoodieArchivedTimeline
进行归档的逻辑并不在它内部,而位于HoodieTimelineArchiver
中,看官可自行参考其源码。为了进一步减少小文件的影响,在归档的同时还可以进行小文件合并,与合并操作相关的参数有:
-
hoodie.archive.merge.enable
:是否启用归档合并,默认false; -
hoodie.archive.merge.small.file.limit.bytes
:小文件阈值,默认20971520字节; -
hoodie.archive.merge.files.batch.size
:合并小文件的批次大小,默认为10。
The End
晚安晚安。