前两篇分别讲了 Hudi 的定位和测试环境安装。到这里已经可以用 Spark DataSource 写出一张 Hudi 表，也能在 HDFS 上看到 .hoodie 目录和 Parquet 文件。 但如果只是看到这些文件，还不能真正理解 H

上一篇先把 Hudi 放在数据湖架构里看了一遍，知道它不是一个单纯的文件格式，而是一套能在 HDFS、S3 这类存储上管理表、事务、更新和增量消费的系统。 这篇开始搭环境。Hudi 本身并不孤立，它要和 Hadoop、Hive、Spark、

前面整理 Hadoop、Hive、Spark、Flink 这些组件时，更多关注的是计算引擎怎么跑、任务怎么提交、SQL 怎么查询。真正把数据长期沉淀到 HDFS 或对象存储之后，还会遇到另一个问题：文件系统只负责存文件，并不天然知道一张表的