我不太清楚Hudi如何确保高效的快照查询（参见https://hudi.apache.org/docs/next/table_types/）
我在 .hoodie 文件夹中看到的只是由大量提交文件组成的时间线。 每个提交文件仅包含一个信息（有关位置、文件 ID 等的元数据） 关于其本身引入的更改。
假设有 1000 个提交文件，并且有一些记录是在第二次提交中添加的，然后从未更新，并且相应分区文件夹中没有任何更改 - 因此要提供当前数据快照，Hudi 必须查找所有提交以获取位置所有数据文件，是吗？
正如我所期望的那样，Apache Iceberg 正在做的事情 - 它的元数据文件包含给定快照的关于所有数据文件的信息。
有人可以解释一下吗？
谢谢你
因此，要提供当前数据快照，Hudi 必须查找所有提交以获取所有数据文件的位置，对吗？
不是真的。文件位置存在于元数据表中。快照查询将使用时间线来识别有效的提交（也排除无效的提交）。由于有序的时间线设计，hudi 不需要将所有文件存储在给定快照中。
请注意，时间线已存档（最多保留 200 次提交），因此在最后一次非存档提交之前不可能进行快照查询。顺便说一句，之前写入的所有文件都将被视为在 sbapshot 查询中读取。
最后一个概念：数据存储在文件组中。查询期间仅考虑每个文件组的一个提交的 parquet 文件。