尚硅谷大数据技术-数据湖Hudi视频教程-笔记01

大数据新风口：Hudi数据湖（尚硅谷&Apache Hudi联合出品）尚硅谷数据湖Hudi视频教程

1. B站直达：https://www.bilibili.com/video/BV1ue4y1i7na
2. 百度网盘：https://pan.baidu.com/s/1NkPku5Pp-l0gfgoo63hR-Q?pwd=yyds
3. 阿里云盘：https://www.aliyundrive.com/s/uMCmjb8nGaC（教程配套资料请从百度网盘下载）

目录

第1章 Hudi概述

001

002

003

004

第2章 编译安装

005

006

007

008

009

---

第1章 Hudi概述

001

教程详细讲解了Hudi与当前最流行的三大大数据计算引擎：Spark、Flink和Hive的对接过程，内容包括环境准备、多种对接方式、重点配置参数分析、进阶调优手段讲解等，从入门到精通，学习后即可快速投入实际生产使用！

002

hudi

1. .parquet：列式存储
2. .avro：行式存储

003

1.3 Hudi特性

• 自动管理小文件，数据聚簇，压缩，清理。

004

1.4 使用场景

第2章 编译安装

005

maven修改为阿里镜像

（1）修改setting.xml，指定为阿里仓库地址

vim /opt/module/maven-3.6.1/conf/settings.xml

        nexus-aliyun

        central

        Nexus aliyun

        http://maven.aliyun.com/nexus/content/groups/public

006

2.2.3 修改源码兼容hadoop3

007

2.2.4 手动安装Kafka依赖

008

2.2.5 解决spark模块依赖冲突

009

2.2.6 执行编译命令

mvn clean package -DskipTests -Dspark3.2 -Dflink1.13 -Dscala-2.12 -Dhadoop.version=3.1.3 -Pflink-bundle-shade-hive3

[atguigu@node001 hudi-0.12.0]$ mvn clean package -DskipTests -Dspark3.0 -Dflink1.17 -Dscala-2.12 -Dhadoop.version=3.1.3 -Pflink-bundle-shade-hive3