hudi/README.md

@@ -1,5 +1,5 @@
 
-# Hudi 简介
+# 1. Hudi 简介
 
 Apache Hudi将核心仓库和数据库功能直接带到数据湖中。Hudi提供了表、事务、高效upserts/删除、高级索引、流式摄取
 服务、数据群集/压缩优化以及并发，同时保持数据以开源文件格式保留。
@@ -9,7 +9,7 @@ Hudi是`Hadoop Upserts and Incrementals`缩写，用于管理分布式文件系
 处理。
 
 
-## Hudi特性和功能
+## 1.1 Hudi特性和功能
 
 1. 支持快速Upsert以及可插拔的索引。
 2. 支持原子方式操作，且支持回滚。
@@ -21,7 +21,7 @@ Hudi是`Hadoop Upserts and Incrementals`缩写，用于管理分布式文件系
 8. 通过聚类优化数据集。
 
 
-## Hudi 基础架构
+## 1.2 Hudi 基础架构
 
 ![pic](https://pan.zeekling.cn/flink/hudi/hudi_00001.png)
 
@@ -32,3 +32,36 @@ Hudi是`Hadoop Upserts and Incrementals`缩写，用于管理分布式文件系
 - 支持 spark、flink、map-reduce 等计算引擎对 hudi 的数据进行读写操作。
 
 
+## 1.3 Hudi 功能
+
+- Hudi是在大数据存储上的一个数据集，可以将Change Logs 通过upsert方式合并到Hudi。
+- Hudi对上可以暴露成一个普通的Hive或者Spark表，通过API或者命令行的方式可以获取到增量修改信息，继续供下游消费。
+- Hudi保管修改历史，可以做到时间旅行以及回退。
+- Hudi内部有主键到文件级别的索引，默认记录文件的是布隆过滤器。
+
+
+## 1.4 Hudi的特性
+
+Apache Hudi支持在Hadoop兼容的存储之上存储大量数据，不仅可以批处理，还可以在数据湖上进行流处理。
+
+- Update/Delete 记录：Hudi 使用细粒度的文件/记录级别索引来支持 Update/Delete
+记录，同时还提供写操作的事务保证。查询会处理后一个提交的快照，并基于此输出结果。
+- 变更流：Hudi 对获取数据变更提供了的支持，可以从给定的 时间点 获取给定表中已 updated / inserted / deleted 的所有记录的增量流，并解锁新的查询姿势（类别）。
+- Apache Hudi 本身不存储数据，仅仅管理数据。
+- Apache Hudi 也不分析数据，需要使用计算分析引擎，查询和保存数据，比如 Spark 或 Flink；
+- 使用 Hudi 时，加载 jar 包，底层调用 API，所以需要依据使用大数据框架版本，编译 Hudi 源码，获取对应依赖jar包。
+
+![pic](https://pan.zeekling.cn/flink/hudi/hudi_0002.jpg)
+
+# 2. Hudi 数据管理
+
+## 2.1 Hudi 表数据结构
+
+Hudi 表的数据文件一般使用 HDFS 进行存储。从文件路径和类型来讲，Hudi表的存储文件分为两类。
+- .hoodie 文件，
+- amricas 和 asia 相关的路径是 实际的数据文件，按分区存储，分区的路径 key 是可以指定的。
+
+### .hoodie文件
+
+
+