数据湖的业务场景主要包括数据库、日志和文件的分析。管理数据湖的关键权衡之一是在写吞吐量和查询性能之间进行选择。为了获得更好的写入吞吐量，通常最好将传入数据写入较小的数据文件。这将大大提高并行性并提高写入速度。但是小文件过多会导致对Hadoop集群namenode压力增加，同时会导致数据的聚集性不会太好，经常查询的数据不会放在一起，会一定层度降低查询性能。Hudi Clustering功能基于以上问题，针对性的提出解决方案。

介绍HUDI架构、基本概念