概述
Apache Hudi 是面向数据湖的开放表格式与事务层，支持流式摄取、增量查询与时间旅行，通常基于 Hive Metastore 管理元数据。DataBuddy 数据接入支持将 Hudi 作为来源端，覆盖离线同步场景。本文介绍其连接配置、能力支持范围、前提条件与常见问题。
支持的版本
类型 | 支持版本 |
Hudi | 0.11.0 / 0.12.0 / 0.13.0 / 0.14.1 / 0.15.0 |
读取能力
能力 | 支持情况 | 说明 |
离线同步（读 / 写） | ✓ / - | 支持作为离线同步任务的源端读取数据；DataBuddy 数据源仅支持接入读取，不支持写入 |
使用限制
限制项 | 说明 |
元数据服务 | 依赖 Hive Metastore |
认证方式 | 支持 Kerberos / Simple |
支持的字段类型
Hudi 基于 Apache 类型系统，以下是 DataBuddy 的离线读支持情况。
字段类型 | 说明 |
BOOLEAN | 布尔 |
INT / LONG | 整数 |
FLOAT / DOUBLE | 浮点数 |
DECIMAL | 定点数 |
STRING | 字符串 |
BINARY | 二进制 |
DATE / TIMESTAMP | 时间类型 |
ARRAY / MAP | 复杂类型 |
前提条件
Kerberos 认证（推荐用于安全集群）
配置项 | 说明 |
Principal | Kerberos principal |
Keytab | 客户端认证的 keytab 文件 |
krb5.conf | Kerberos 配置文件 |
请确保 DataBuddy 运行环境与 Hive Metastore 网络连通。
创建数据源
操作步骤
1. 登录 DataBuddy 控制台。
2. 在顶部切换到目标地域和 Workspace。
3. 进入 数据集成 > 数据源管理（或 平台管理 > 数据源管理）。
4. 点击 添加数据源，选择 Hudi。
5. 填写连接配置与认证信息，详见 参数说明。
6. 点击 测试连接（参见 数据源连通性测试）。
7. 测试通过后点击 保存 或 保存 & 创建任务。
参数说明
参数 | 说明 | 是否必填 | 默认值 |
数据源名称 | 数据源在工作空间内的唯一标识 | 是 | - |
MetaStore URIs | Hive Metastore 地址，格式 thrift://host:port | 是 | - |
认证方式 | Kerberos / Simple | 是 | Simple |
Principal | Kerberos 认证下的 principal | 认证方式为 Kerberos 时必填 | - |
Keytab | Kerberos 认证下的 keytab 文件 | 认证方式为 Kerberos 时必填 | - |
krb5.conf | Kerberos 配置文件 | 认证方式为 Kerberos 时必填 | - |
在数据接入任务中使用
离线单表
配置项 | 说明 |
数据来源 | 已配置的 Hudi 数据源 |
库 / 表 | 从 MetaStore 中选择库与表 |
查询类型 | 支持快照查询 / 增量查询 |
最佳实践
实践 | 建议 |
认证方式 | 安全集群优先使用 Kerberos |
查询类型 | 增量场景使用增量查询，全量场景使用快照查询 |
网络打通 | 确保与 Hive Metastore 网络连通 |
常见问题
Q：读取不到表元数据？
A：检查 MetaStore 地址可达性与认证配置，确认表已注册。
Q：增量查询数据为空？
A：确认增量查询的时间范围与提交记录一致。
