總述
hudi提供了hudi表的概念，這些表支援CRUD操作，可以利用現有的大資料叢集比如HDFS做資料檔案存儲，然後使用SparkSQL或Hive等分析引擎進行資料分析查詢
hudi表的三個主要元件
a.有序的時間軸中繼資料，類似于資料庫事務日志
b.分層布局的資料檔案：實際寫入表中的資料
c.索引(多種實作方式)：映射包含指定記錄的資料集；資料有唯一主鍵，可快速定位資料
1.時間軸Timeline[核心]
在所有的表中維護了一個包含在不同的即時(Instant)時間對資料集操作(比如新增、修改或删除)的時間軸(Timeline)
在每一次對hudi表的資料集操作時都會在該表的Timeline上生成一個Instant，進而可以實作在僅查詢某個時間點之後成功送出的資料，或是僅查詢某個時間點之前的資料，有效避免了掃描更大時間範圍的資料。
同時，可以高效的隻查詢更改前的檔案（如在某個Instant送出了更改操作後，僅query某個時間點之前的資料，則仍可以query修改前的資料）
Action：
COMMITS：資料送出
CLEANS：資料删除
DELTA_COMMIT：
COMPACTION：小檔案合并
ROLLBACK：復原
SAVEPOINT：儲存點
Timeline是hudi用來管理送出(commit)的抽象，每個commit都綁定一個固定時間戳，分散到時間線上。
在Timeline上，每個commit被抽象為一個HoodieInstant，一個instant記錄了一次送出（commit）的行為、時間戳和狀态
上圖中采用時間（小時）作為分區字段，從10：00開始陸續産生各種commit，10：20來了一條9：00的資料，該資料仍然可以落到9：00對應的分區，通過timeline直接消費10：00之後的增量更新（隻消費有新commits的group），那麼這條延遲的資料仍然可以被消費到
時間軸的實作類(位于hudi-common-xx.jar中)，時間軸相關的實作類位于org.apache.hudi.common.table.timeline包下
2.檔案管理
hudi将DFS上的資料集組織到基本路徑(HodieWriteConfig.BASEPATHPROP)下的目錄結構中
資料集分為多個分區（DataSourceOptions.PARTITIONPATHFIELDOPT_KEY）,這些分區與hive表非常相似，是包含該分區的資料檔案的檔案夾
在每個分區内，檔案被組織為檔案組，由檔案ID充當唯一辨別。每個檔案組包含多個檔案切片，其中每個切片包含在某個即時時間的送出/壓縮生成的基本列檔案(.parquet)以及一組日志檔案(.log),該檔案包含自生成基本檔案依賴對基本檔案的插入/更新。
資料構成關系：table -> partition -> FileGroup -> FileSlice -> parquet + log
hudi的base file（parquet檔案）在footer的meta去記錄了record key組成的BloomFilter，用于在file based index的實作中實作高效率的key contains檢測
hudi的log（arvo檔案）是自己編碼的，通過積攢資料buffer以LogBlock為機關寫出，每個LogBlock包含magic number、size、content、footer等資訊，用于資料讀、校驗和過濾