在 Apache Hudi 中，采用何种分区与索引策略的配置能够有效提升查询性能？请给出具体做法与原理说明。

回答思路

1. 【回答框架 1】Hudi 查询性能取决于文件裁剪与数据跳过能力，分区与索引是两大核心杠杆。分区决定物理布局，合理设计可减少扫描范围；索引用于快速定位记录所在文件组，避免全表扫描。
2. 【回答框架 2】分区策略：优先选择查询过滤条件中高频且基数适中的字段作为分区键，例如日期分区。避免过多分区导致小文件问题，需结合文件大小与并发写入平衡分区粒度。
3. 【回答框架 3】索引策略：Hudi 默认布隆过滤器索引，适用于点查；若需范围查询或精确匹配，可配置记录级索引。还可启用全局索引或桶索引（如 HBase 索引）以加速记录定位，并利用索引自动演进特性在数据倾斜时优化。
4. 【回答框架 4】优化协同：分区裁剪与索引下推需在查询引擎（如 Spark、Presto）中开启相应优化，并确保 Hudi 表统计信息（如列统计）用于数据跳过。小文件合并（Clustering）与压缩（Compaction）也间接影响查询性能。
5. 【关键点 1】分区键应匹配查询过滤条件且基数适中，避免小文件过多。
6. 【关键点 2】点查场景使用布隆过滤器默认索引，范围查询可考虑记录级索引或全局索引。
7. 【关键点 3】索引可结合数据倾斜与写入模式动态调整，避免全表扫描。
8. 【关键点 4】需配合查询引擎优化（如分区裁剪）及维护操作（压缩、聚类）保证性能。
9. 【易错点 1】分区粒度过细导致海量小文件，反而增加元数据开销与扫描成本。
10. 【易错点 2】索引并非万能，更新密集型场景可能引发索引维护开销，需权衡写入放大。
11. 【易错点 3】查询需正确使用分区字段条件，否则无法触发分区裁剪。