表类型选择

1、离线批量 ETL、读多写少场景选择 COW，查询性能最优；

2、频繁更新的维度表、近实时写入场景选择 MOR，配合压缩策略控制读放大；

3、表类型建表后不可更改，需在建表前结合读写比权衡。

写入并行度

写入并行度相关参数及默认值如下表所示（默认0 表示由 Hudi 根据输入数据自动推断并行度）：

参数	默认值	说明
hoodie.insert.shuffle.parallelism	0（自动）	insert 操作的 Shuffle 并行度
hoodie.upsert.shuffle.parallelism	0（自动）	upsert 操作的 Shuffle 并行度
hoodie.bulkinsert.shuffle.parallelism	0（自动）	bulk_insert 操作的并行度

自动推断在部分数据分布下会产生小文件，建议显式设置并行度，约为总输入数据量除以120MB。例如 60GB 输入建议设置为 512 左右。

1、COW 表通过 parquet 最大文件大小（hoodie.parquet.max.file.size，默认 120MB）控制目标文件大小，写入时自动进行小文件合并（bin-packing）；

2、MOR 表依赖 Compaction 合并日志文件，Spark 引擎与 Flink 引擎的压缩机制不同，参数不可混用：

引擎	压缩机制	关键参数
Spark	同步（inline）压缩：写入作业内，每累计一定数量 deltacommit 触发一次压缩	hoodie.compact.inline.max.delta.commits（默认 5，即每 5 个 deltacommit 压缩一次；写入频繁且查询延迟敏感时调大，查询优化时调小）
Flink	独立异步压缩任务：由compaction.tasks 算子后台异步执行，不阻塞写入	compaction.async.enabled（默认 true）、compaction.tasks

1、Hudi 写入本质是 Spark 作业，资源配置、Shuffle 调优与数据倾斜处理参照 Spark 使用文档的调优章节；

2、upsert 大表时定位记录依赖索引查找，数据量大的表建议结合 Bloom 过滤（默认索引类型）并确认分区裁剪生效；

3、开启 AQE（spark.sql.adaptive.enabled=true）配合 Hudi 写入可减少小文件。