1. 下載連接
- 源代碼下載：Apache Hudi 0.5.3 Source Release (asc, sha512)
- 0.5.3版本相關jar包地址：https://repository.apache.org/#nexus-search;quick~hudi
2. 遷移指南
- 這是一個bugfix版本，從0.5.2升級時不需要任何特殊的遷移步驟。如果要從早期版本"X"升級，請閱讀"X"和0.5.3之間的每個后續版本的遷移指南。
- 0.5.3是Hudi畢業后的第一個版本，因此所有hudi jar的版本名稱中不再帶有"-incubating"。在所有提及hudi版本的地方，請確保不再存在"-incubating"。
例如，hudi-spark-bundle pom依賴如下所示：
<dependency>
<groupId>org.apache.hudi</groupId>
<artifactId>hudi-spark-bundle_2.12</artifactId>
<version>0.5.3</version>
</dependency>
3. 關鍵特性
-
Hudi內置支持
aliyun OSS對象存儲。 -
默認情況下將為delta-streamer和spark datasource寫入啟用Embedded Timeline Server。在此版本之前，此功能處於實驗模式，embeddedTimeline Server在Spark Driver中緩存文件列表，並提供Restful接口給Spark Writer任務調用來減少了每次寫入時的list文件列表的操作，此優化對雲上對象存儲非常友好。
-
默認情況下為delta-streamer和Spark datasource寫入均啟用"增量清理(incremental cleaning)"。在此版本之前，此功能還處於實驗模式，在穩定狀態下，增量清理避免了掃描所有分區的昂貴步驟，而是使用Hudi元數據來查找要清理的文件，此優化也對雲上對象存儲非常友好。
-
支持將Delta-Streamer配置文件放置在與實際數據不同的文件系統中。
-
Hudi Hive Sync現在支持按日期類型列分區的表。
-
Hudi Hive Sync現在支持直接通過Hive MetaStore進行同步。您只需要設置
hoodie.datasource.hive_sync.use_jdbc = false。Hive Metastore Uri將從environment中隱式讀取。例如當通過Spark datasource寫入時，spark.write.format(“hudi”) .option(…) .option(“hoodie.datasource.hive_sync.username”, “<user>”) .option(“hoodie.datasource.hive_sync.password”, “<password>”) .option(“hoodie.datasource.hive_sync.partition_fields”, “<partition_fields>”) .option(“hoodie.datasource.hive_sync.database”, “<db_name>”) .option(“hoodie.datasource.hive_sync.table”, “<table_name>”) .option(“hoodie.datasource.hive_sync.use_jdbc”, “false”) .mode(APPEND) .save(“/path/to/dataset”) -
支持Presto查詢MoR表時Hudi側的改造。
-
其他與Writer Performance相關的缺陷修復。
- 現在DataSource Writer避免了寫入后不必要的數據加載。
- Hudi Writer現在利用spark的並發來加速小文件查找。
4. 感謝
感謝如下貢獻者（排名不分先后）: @bhasudha，@yanghua ，@ddong ，@smarthi ，@afilipchik，@zhedoubushishi，@umehrot2，@varadar，@ffcchi，@bschell，@vinothchandar ，@shenh062326，@lamber-ken，@zhaomin1423，@EdwinGuo，@prashantwason ，@pratyakshsharma，@dengziming ，@AakashPradeep，@Jecarm ，@xushiyan ，@cxzl25，@garyli1019 ，@rolandjohann ，@nsivabalan，@leesf ，@jfrazee