Hive 之 ORC
来源:互联网 发布:sql中两个select语句 编辑:程序博客网 时间:2024/06/02 00:16
ZHUANZI :http://blog.csdn.net/longshenlmj/article/details/51702343
hive表的源文件存储格式有几类:
1、TEXTFILE 默认格式,建表时不指定默认为这个格式,导入数据时会直接把数据文件拷贝到hdfs上不进行处理。源文件可以直接通过hadoop fs -cat 查看 2、SEQUENCEFILE 一种Hadoop API提供的二进制文件,使用方便、可分割、可压缩等特点。 SEQUENCEFILE将数据以<key,value>的形式序列化到文件中。序列化和反序列化使用Hadoop 的标准的Writable 接口实现。key为空,用value 存放实际的值, 这样可以避免map 阶段的排序过程。 三种压缩选择:NONE, RECORD, BLOCK。 Record压缩率低,一般建议使用BLOCK压缩。使用时设置参数, SET hive.exec.compress.output=true; SET io.seqfile.compression.type=BLOCK; -- NONE/RECORD/BLOCK create table test2(str STRING) STORED AS SEQUENCEFILE; 3、RCFILE 一种行列存储相结合的存储方式。首先,其将数据按行分块,保证同一个record在一个块上,避免读一个记录需要读取多个block。其次,块数据列式存储,有利于数据压缩和快速的列存取。 理论上具有高查询效率(但hive官方说效果不明显,只有存储上能省10%的空间,所以不好用,可以不用)。 RCFile结合行存储查询的快速和列存储节省空间的特点 1)同一行的数据位于同一节点,因此元组重构的开销很低; 2) 块内列存储,可以进行列维度的数据压缩,跳过不必要的列读取。 查询过程中,在IO上跳过不关心的列。实际过程是,在map阶段从远端拷贝仍然拷贝整个数据块到本地目录,也并不是真正直接跳过列,而是通过扫描每一个row group的头部定义来实现的。 但是在整个HDFS Block 级别的头部并没有定义每个列从哪个row group起始到哪个row group结束。所以在读取所有列的情况下,RCFile的性能反而没有SequenceFile高。 4、ORC hive给出的新格式,属于RCFILE的升级版。 5、自定义格式 用户的数据文件格式不能被当前 Hive 所识别的,时通过实现inputformat和outputformat来自定义输入输出格式, 参考代码:.\hive-0.8.1\src\contrib\src\java\org\apache\hadoop\hive\contrib\fileformat\base64 对前集中的介绍和建表语句参见:http://www.cnblogs.com/ggjucheng/archive/2013/01/03/2843318.html
注意:
只有TEXTFILE表能直接加载数据,必须,本地load数据,和external外部表直接加载运路径数据,都只能用TEXTFILE表。 更深一步,hive默认支持的压缩文件(hadoop默认支持的压缩格式),也只能用TEXTFILE表直接读取。其他格式不行。可以通过TEXTFILE表加载后insert到其他表中。 换句话说,SequenceFile、RCFile表不能直接加载数据,数据要先导入到textfile表,再从textfile表通过insert select from 导入到SequenceFile,RCFile表。 SequenceFile、RCFile表的源文件不能直接查看,在hive中用select看。RCFile源文件可以用 hive --service rcfilecat /xxxxxxxxxxxxxxxxxxxxxxxxxxx/000000_0查看,但是格式不同,很乱。 hive默认支持压缩文件格式参考http://blog.csdn.net/longshenlmj/article/details/50550580
ORC格式
ORC是RCfile的升级版,性能有大幅度提升, 而且数据可以压缩存储,压缩比和Lzo压缩差不多,比text文件压缩比可以达到70%的空间。而且读性能非常高,可以实现高效查询。 具体介绍https://cwiki.apache.org/confluence/display/Hive/LanguageManual+ORC建表语句如下: 同时,将ORC的表中的NULL取值,由默认的\N改为'',
方式一
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
方式二
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
方式三
阅读全文
0 0
- Hive 之 ORC
- Hive语言手册之五:ORC文件格式
- hive报错整理之Malformed ORC file 、Invalid postscript.
- Hive ORC和Parquet
- hive:orc file
- hive ORC 文件存储格式
- Hive-ORC文件存储格式
- Hive Streaming 追加 ORC 文件
- Hive:ORC File Format存储格式详解
- Hive:ORC File Format存储格式详解
- Hive-ORC文件存储格式(续)
- Hive ORC数据格式的MapReduce读写
- Java API 读取Hive Orc文件
- presto源码分析(hive orc读取)
- Hive ORC file实践与优势
- hive orc创建出错create as select
- USING HIVE WITH ORC FROM APACHE SPARK
- Hive ORC数据格式的MapReduce Shuffle
- shellcode转16进制
- 分布式系统中 Unique ID 的生成方法
- 初识RxJava
- 自定义泛型
- 51nod 1491-黄金系统(数论->递推)
- Hive 之 ORC
- 快速近似最近邻搜索库 FLANN
- nodejs发展前景
- C++11 相关教程
- VS Code快捷键大全,没有更全
- 数据结构第二章——算法
- 图片转PDF C#
- 导航定位芯片知识分享
- OpenJudge百炼-1183-反正切函数的应用-C语言-简单计算