将编译好的Hudi目录(hudi-0.9.0/packaging/hudi-hadoop-mr-bundle/target/)下的JAR包：hudi-hadoop-mr-bundle-0.9.0.jar，放入hive安装文件的lib目录下
说明：我编译的hudi-0.9.0版本，里面的hive版本是2.3.1没有做修改
可以后台启动这两服务
1）、数据格式
2）、将数据写入hudi表
3)、查看HDFS上已经有数据写入了
1)、创建Hive分区外部表
(Hudi表是分区表，分区字段是partition_path,格式为yyyy-MM-dd，数据格式HoodieParquetInputFormat）
2)、手动添加分区
1）查询报错
这是你创建的Hive表字段类型和Hudi表的类型不匹配导致
2)、正确查询结果
1)、错误一
解决：代码添加加载hive驱动，pom添加(对应Hive的版本)依赖
2)、错误二
解决：pom文件添加mysql依赖
1)、Hdfs里面可以查看到数据
2)、Hive里面可以通过SQL形式查询数据
3)、查询hive表结构
可以看到hive里的建表会采用HoodieParquetInputFormat 格式支持快照查询和增量查询
修改uid>0 and uid <20 的这20条数据的fullname值
1)、修改前的数据
2)、修改数据代码
3)、修改后结果
hive查询的是最新的修改数据
可以看到HDFS上数据成功写入到另一个文件，且文件大小都相同，所以Copy on Write表其实是和旧数据进行合并后再次写入全量数据。这也验证了官方所说的Copy on Write表写入数据延迟高，wa写入大。所以如果这张表是经常需要修改和写入的建议采纳哦使用Merge on Read表。
1)、快照查询
2)、增量查询
（1）查询前40条数据，分别包含修改的20条数据和未修改的20条数据
可以看到进行修改的数据和原来的数据commit时间戳是不一样的
（2）时间戳增量查询
指定查询类型为增量查询，并且传入时间戳，那么spark会查询时间戳以后的数据。
1)、hdfs数据
2)、查询hive数据
出现两张表 hudi_mor_hive_ro，hudi_mor_hive_rt
3）、查询hive表结构
rt结尾的表支持快照查询和增量查询，并且rt表将会查询表基本列数据和增量日志数据的合并视图，立马可以查询到修改后的数据。而ro表则只查询表中基本列数据并不会去查询增量日志里的数据。rt表采用HoodieParquetRealtimeInputFormat格式进行存储，ro表采用HoodieParquetInputFormat格式进行存储
修改uid>0 and uid <20 的这20条数据的fullname值
1）、修改数据代码
2）、修改后
（1）HDFS文件对比，修改的数据都写入到log文件里面了，所以Merge on Read发生修改操作，是将变化数据写入行式增量日志
（2）hive表对比
hudi_mor_hive_ro表数据没有变化，其实or结尾的表对应是读取优化查询，只查询最基本列数据，并不会看到被修改的数据。
