hadoop中4种压缩格式的特征的比较
来源:互联网 发布:电子表格怎么合计数据 编辑:程序博客网 时间:2024/05/18 18:19
1 gzip压缩
优点:压缩率比较高,而且压缩/解压速度也比较快;hadoop本身支持,在应用中处理gzip格式的文件就和直接处理文本一样;有hadoop native库;大部分linux系统都自带gzip命令,使用方便。
缺点:不支持split。
应用场景:当每个文件压缩之后在130M以内的(1个块大小内),都可以考虑用gzip压缩格式。譬如说一天或者一个小时的日志压缩成一个gzip 文件,运行mapreduce程序的时候通过多个gzip文件达到并发。hive程序,streaming程序,和java写的mapreduce程序完 全和文本处理一样,压缩之后原来的程序不需要做任何修改。
2 lzo压缩
优点:压缩/解压速度也比较快,合理的压缩率;支持split,是hadoop中最流行的压缩格式;支持hadoop native库;可以在linux系统下安装lzop命令,使用方便。
缺点:压缩率比gzip要低一些;hadoop本身不支持,需要安装;在应用中对lzo格式的文件需要做一些特殊处理(为了支持split需要建索引,还需要指定inputformat为lzo格式)。
应用场景:一个很大的文本文件,压缩之后还大于200M以上的可以考虑,而且单个文件越大,lzo优点越越明显。
3 snappy压缩
优点:高速压缩速度和合理的压缩率;支持hadoop native库。
缺点:不支持split;压缩率比gzip要低;hadoop本身不支持,需要安装;linux系统下没有对应的命令。
应用场景:当mapreduce作业的map输出的数据比较大的时候,作为map到reduce的中间数据的压缩格式;或者作为一个mapreduce作业的输出和另外一个mapreduce作业的输入。
4 bzip2压缩
优点:支持split;具有很高的压缩率,比gzip压缩率都高;hadoop本身支持,但不支持native;在linux系统下自带bzip2命令,使用方便。
缺点:压缩/解压速度慢;不支持native。
应用场景:适合对速度要求不高,但需要较高的压缩率的时候,可以作为mapreduce作业的输出格式;或者输出之后的数据比较大,处理之后的数据 需要压缩存档减少磁盘空间并且以后数据用得比较少的情况;或者对单个很大的文本文件想压缩减少存储空间,同时又需要支持split,而且兼容之前的应用程 序(即应用程序不需要修改)的情况。
最后用一个表格比较上述4种压缩格式的特征(优缺点):
- hadoop中4种压缩格式的特征的比较
- hadoop中4中常用的压缩格式的特征的比较
- hadoop的压缩格式
- Hadoop文件压缩格式分析和比较
- hadoop-2.7.3源码编译后支持的4种压缩格式
- Hive格式各种格式下不同压缩算法的比较
- hadoop 四种压缩格式
- hadoop 四种压缩格式
- hadoop中使用lzo的压缩
- hadoop中使用lzo的压缩
- WAV格式中常见的压缩编码
- android中压缩图片的几种方法比较
- Android 中image格式的压缩和解压缩
- 4种常用压缩格式在Hadoop中的应用
- hadoop的文件压缩
- Hadoop的压缩codec
- hadoop压缩格式
- hadoop文件压缩格式
- unity game界面和发布之后运行鼠标显示异常
- PDO操作数据库
- Linux查看CPU信息[//proc/loadavg]
- git合并commit方法
- android从入门到精通sl(实例源程序)
- hadoop中4种压缩格式的特征的比较
- CentOS6.5下二进制安装mysql-5.6.27
- 免费ARP(gratuitous ARP)
- tableview 去掉分割线线和右侧滚动条
- LK top lk_main处理
- win7 64位Pb6.5连接Oracle数据库失败ORA-12154
- Spring Tools Suite (STS) 简介(转)
- docker read tcp 50.17.62.194:443: connection reset by peer 镜像下载不下来需要配置国内服务器
- JavaWeb环境搭建