Apache Hudi初探(十)(与spark的结合)--hudi的Compaction操作-Toy模板网

这篇具有很好参考价值的文章主要介绍了Apache Hudi初探(十)(与spark的结合)--hudi的Compaction操作。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

背景

在之前的文章Apache Hudi初探(六)(与spark的结合)
中，我们没有过多的解释Spark中hudi Compaction的实现，在这里详细说一下
注意：在hudi中有同步，异步Compaction的概念，为了保证写入的及时性和数据读取的时效性，hudi在一步compaction的过程中会引入一个后台线程进行compaction，所以异步Compaction又分同步compaction计划生成和异步compaction计划生成和最终的Compaction计划的执行（而compaction计划的执行是在后台异步执行的）
对应的配置为：
hoodie.compact.inline 是否是同步进行Compaction
hoodie.compact.schedule.inline 是够是异步Compaction计划生成

详说杂谈

这里直接以同步Compaction为例，直接到BaseHoodieWriteClient runTableServicesInline方法：

   if (config.inlineCompactionEnabled()) {
     runAnyPendingCompactions(table);
     metadata.addMetadata(HoodieCompactionConfig.INLINE_COMPACT.key(), "true");
     inlineCompaction(extraMetadata);
   } else {
     metadata.addMetadata(HoodieCompactionConfig.INLINE_COMPACT.key(), "false");
   }

假设hoodie.compact.inline为true，也就是config.inlineCompactionEnabled()为true，那就直接执行Compaction流程：

runAnyPendingCompactions
重新运行上次失败的Compaction计划
- 过滤出没有完成的Compaction计划，并执行Compact操作，具体的为SparkRDDWriteClient.compact
  这里我们先略过，假设没有pending的Compaction操作，重点看inlineCompaction
metadata.addMetadata
把属性hoodie.compact.inline记录到元数据中去

inlineCompaction执行当前Commit的compaction操作

  Option<String> compactionInstantTimeOpt = inlineScheduleCompaction(extraMetadata);
   compactionInstantTimeOpt.ifPresent(compactInstantTime -> {
     // inline compaction should auto commit as the user is never given control
     compact(compactInstantTime, true);
   });

inlineScheduleCompaction
最终会调用到scheduleTableServiceInternal如下：

 ...
 case COMPACT:
   LOG.info("Scheduling compaction at instant time :" + instantTime);
   Option<HoodieCompactionPlan> compactionPlan = createTable(config, hadoopConf)
       .scheduleCompaction(context, instantTime, extraMetadata);
   return compactionPlan.isPresent() ? Option.of(instantTime) : Option.empty();
 ...

这里会立马调度生成一个Compaction的计划，最终会调用ScheduleCompactionActionExecutor.execute方法

 HoodieCompactionPlan plan = scheduleCompaction();
 if (plan != null && (plan.getOperations() != null) && (!plan.getOperations().isEmpty())) {
   extraMetadata.ifPresent(plan::setExtraMetadata);
   HoodieInstant compactionInstant =
       new HoodieInstant(HoodieInstant.State.REQUESTED, HoodieTimeline.COMPACTION_ACTION, instantTime);
   try {
     table.getActiveTimeline().saveToCompactionRequested(compactionInstant,
         TimelineMetadataUtils.serializeCompactionPlan(plan));
   } catch (IOException ioe) {
     throw new HoodieIOException("Exception scheduling compaction", ioe);
   }
   return Option.of(plan);
 }

scheduleCompaction
该方法主要是生成一个调度Compaction的计划
```
boolean compactable = needCompact(config.getInlineCompactTriggerStrategy());
if (compactable) {
  LOG.info("Generating compaction plan for merge on read table " + config.getBasePath());
  try {
    SyncableFileSystemView fileSystemView = (SyncableFileSystemView) table.getSliceView();
    Set<HoodieFileGroupId> fgInPendingCompactionAndClustering = fileSystemView.getPendingCompactionOperations()
        .map(instantTimeOpPair -> instantTimeOpPair.getValue().getFileGroupId())
        .collect(Collectors.toSet());
    // exclude files in pending clustering from compaction.
    fgInPendingCompactionAndClustering.addAll(fileSystemView.getFileGroupsInPendingClustering().map(Pair::getLeft).collect(Collectors.toSet()));
    context.setJobStatus(this.getClass().getSimpleName(), "Compaction: generating compaction plan: " + config.getTableName());
    return compactor.generateCompactionPlan(context, table, config, instantTime, fgInPendingCompactionAndClustering);
```
- needCompact(config.getInlineCompactTriggerStrategy())
  hoodie.compact.inline.trigger.strategy默认是NUM_COMMITS策略，也就是按照delta commit的次数来的，次数也就是按照hoodie.compact.inline.max.delta.commits（默认是5），也就是5次delta commit的提交就会进行产生一个Compaction计划
- fgInPendingCompactionAndClustering =
  获取一系列处于pending的FileGroupId,这在产生Compaction一系列的CompactionOperation的时候是会被排除掉的
- compactor.generateCompactionPlan 产生一个Compaction的计划
  排除正在pending的FileGroupId后,生成由baseFile，partitionPath，logFiles，还有Compaction策略组成的CompactionOperation，
  hoodie.compaction.strategy默认策略是LogFileSizeBasedCompactionStrategy，最后组装成HoodieCompactionOperation数据的数据结构，最后返回一个HoodieCompactionPlan
table.getActiveTimeline().saveToCompactionRequeste
这步操作主要是把生成的Compaction plan序列化成字节，并保存在相应的文件中，并生成一个Compaction的Request文章来源地址https://www.toymoban.com/news/detail-609231.html

compact 真正的执行Compaction操作
最终调用的是SparkRDDWriteClient的compact

   ...
  HoodieWriteMetadata<HoodieData<WriteStatus>> writeMetadata = table.compact(context, compactionInstantTime);
  HoodieWriteMetadata<JavaRDD<WriteStatus>> compactionMetadata = writeMetadata.clone(HoodieJavaRDD.getJavaRDD(writeMetadata.getWriteStatuses()));
  if (shouldComplete && compactionMetadata.getCommitMetadata().isPresent()) {
    completeTableService(TableServiceType.COMPACT, compactionMetadata.getCommitMetadata().get(), table, compactionInstantTime);
  }
  return compactionMetadata;

table.compact(context, compactionInstantTime) 实际进行Compaction的操作
最终调用的是RunCompactionActionExecutor.execute方法

   HoodieCompactionPlan compactionPlan =
     CompactionUtils.getCompactionPlan(table.getMetaClient(), instantTime);
   ...
    HoodieData<WriteStatus> statuses = compactor.compact(
           context, compactionPlan, table, configCopy, instantTime, compactionHandler);
   ...
   List<HoodieWriteStat> updateStatusMap = statuses.map(WriteStatus::getStat).collectAsList();
   HoodieCommitMetadata metadata = new HoodieCommitMetadata(true);
   return compactionMetadata

compactionPlan获取上面inlineScheduleCompaction生成的Compaction 计划
compactor.compact 执行 Compact操作
最终调用的是HoodieSparkCopyOnWriteTable的handleUpdate和handleInsert方法完成数据的更新和插入
这里同时会把Request状态的compcation变成Inflight的状态
compactionMetadata返回一些元数据信息