apache/hudi

Incremental Cleaning should not revert to brute force all-partition scanning in any cases

Open

#14 569 ouverte le 30 nov. 2025

Voir sur GitHub
 (0 commentaires) (0 réactions) (0 assignés)Java (4 823 stars) (2 431 forks)batch import
component:cleaningfrom-jiragood first issuehelp-wantedpriority:hightype:feature

Description

After [https://github.com/apache/incubator-hudi/pull/1576] . Incremental Cleaning would still resort to full partition scan when  no previous clean operation was done in the dataset. This ticket is to design and implement a safe solution which would avoid full scanning in all cases.

JIRA info

Comments

09/Jul/20 13:10;309637554;i am happy to take this issue.;;;

Guide contributeur

Stack technique
java
Domaine
backenddatabaseperformance
Type d'issue
feature
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
3-5 days
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
fresh
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
mostly clear
Prérequis
Understanding of Hudi's cleaning mechanismJava development experience
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
20
Direction de recherche
Review the linked PR #1576 to understand the current incremental cleaning behavior. Investigate the Hudi codebase to identify where full partition scans occur when no previous clean operation exists. Propose a design that safely avoids full scanning in all cases, possibly by maintaining metadata about cleaned partitions. The JIRA ticket HUDI 854 may contain additional requirements.