ORC 文件合并（Compaction）实战指南：Hudi 与 Hive 中的策略配置与性能优化用户问题原文：“ORC 文件的合并（Compaction）策略有哪些？在 Hudi 或 Hive 中如何配置？”2025年某大型电商平台的数据湖演进项目中，一个实时用户行为表因 Flink 持续写入产生大量小文件（每小时数千个），导致查询性能下降 10 倍。更严重的是，这些小文件中的 Stripe 大小不一、统计信息碎片化，使得谓词下推几乎失效。经评估，根本原因在于缺乏有效的 ORC 文件合并策略——小文件不仅增加 NameNode 压力，还破坏了 ORC 的列式存储优势。这并非孤例。我曾主导多个 PB 级数据湖项目，处理过数百起因小文件问题引发的性能事故，涉及金融交易流水、IoT 设备上报、风控特征计算等场景。ORC 文件合并（Compaction）是维护数据湖健康的关键机制，但其策略选择直接影响查询性能、资源消耗和数据新鲜度。本文将深入 Apache ORC 2.3.0 源码与生产实践，系统性分析 ORC 合并策略，并提供 Hudi 和 Hive 中的详细配置方案、验证方法与监控体系。一、ORC 文件合并机制原理解析：从物理布局到查询优化1.1 核心概念澄清：为什么需要合并？官方定义