请详细说明在 Apache Hudi 中，如何利用压缩（compaction）操作来优化存储布局与查询性能？

回答思路

1. 【回答框架 1】Hudi 的压缩操作主要针对采用写时复制（COW）和读时合并（MOR）表的存储优化。在 MOR 表中，更新操作会先写入基于行的日志文件（Avro），而基础文件（列式 Parquet）保持不可变。压缩操作会将日志文件中的记录与基础文件合并，生成新的基础文件，从而减少小文件数量，提升查询性能。
2. 【回答框架 2】压缩操作由压缩策略（compaction strategy）决定，可通过 inline compaction（同步）或异步压缩（async compaction）执行。对于异步压缩，Hudi 会在写入过程中生成压缩计划（compaction plan），然后由后台调度器或外部调度器执行。
3. 【回答框架 3】压缩的触发条件可由用户配置，如根据提交次数、时间间隔或文件大小阈值。合理设置压缩策略有助于平衡写放大和读性能。
4. 【回答框架 4】压缩操作会重写数据文件，因此可能产生额外的写放大和资源消耗。但通过合并小文件，可以减少文件数量，优化存储布局，减少查询时的扫描开销。
5. 【关键点 1】压缩主要针对 MOR 表，将日志文件与基础文件合并为新的基础文件。
6. 【关键点 2】提供 inline 和异步两种压缩方式，异步压缩需生成并调度压缩计划。
7. 【关键点 3】压缩可减少小文件数量，优化存储，但会带来写放大，需权衡配置。
8. 【易错点 1】不要将压缩与清理（cleaning）混淆，清理是删除旧版本文件，压缩是合并数据。
9. 【易错点 2】异步压缩若调度不及时，可能造成日志文件过多，影响查询性能。
10. 【易错点 3】频繁压缩可能增加写放大，需根据负载合理设置触发阈值。