概念
hudi的文件布局是能实现增量查询、数据更新等特性的基础，每个hudi表有一个固定的目录，存放元数据(.hoodie)以及数据文件，其中数据文件可以以分区方式进行划分，每个分区有多个数据文件(基础文件和日志文件)，这些数据文件在逻辑上被组织为文件组、文件分片
- 基础文件(base file)：列式存储的数据文件，可以是orc,hfile,parquet格式，默认是parquet
- 日志文件(log file)：行存储的数据文件，为avro格式，保存的是数据的变更日志(redo log)，只是mor表才有，会定期与base file进行合并
- 文件组(file group)：同一分区下，具有相同的fileId的所有basefiles+logfiles集合，一个分区可以有多个文件组
- 文件切片(file slice)：同一分区下，具有相同fileId以及相同instant的basefile + logfiles集合。即一个文件组由N个文件切片组成，每个一个文件切片中basefile最多一个，logfiles大于等于0个
上面的示例中，2023-02-15这个分区下有一个文件组，文件中组中有3个文件切片，其中一个只有log文件，一个只有base文件。
文件命名
base文件和log文件都有固定的命名格式，两者比较接近
base文件：
<fileId>_<writeToken>_<instant>.<fileExtension>
log文件：
.<fileId>_<instant>.<fileExtension>.<version>_<writeToken>
writeToken：
<taskPartitionId>-<stageId>-<taskAttemptId>
- fileId：随便生成的uuid
- writeToken：写token用来标识某一次IO操作，表示是哪个写任务的第几次写
- fileExtension：文件扩展名，base文件的默认为”parquet”，log文件的默认为”log”
- version：日志版本，递增
- taskPartitionId：写task的序号，[0,stageId)
- stageId：写算子的并行度
- taskAttemptId：写task的重试次数
hudi采用的是多版本控制机制(MVCC)，通过压缩动作合并log文件和base文件，生成新的文件切片；通过清理动作来删除过旧的文件切片，回收文件系统空间。
