hadoop中4种压缩格式的特征的比较
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):
压缩格式 | split | native | 压缩率 | 速度 | 是否hadoop自带 | linux命令 | 换成压缩格式后,原来的应用程序是否要修改 |
---|---|---|---|---|---|---|---|
gzip | 否 | 是 | 很高 | 比较快 | 是,直接使用 | 有 | 和文本处理一样,不需要修改 |
lzo | 是 | 是 | 比较高 | 很快 | 否,需要安装 | 有 | 需要建索引,还需要指定输入格式 |
snappy | 否 | 是 | 比较高 | 很快 | 否,需要安装 | 没有 | 和文本处理一样,不需要修改 |
bzip2 | 是 | 否 | 最高 | 慢 | 是,直接使用 | 有 | 和文本处理一样,不需要修改 |
hadoop中4种压缩格式的特征的比较相关推荐
- hadoop中MapReduce中压缩的使用及4种压缩格式的特征的比较
在比较四中压缩方法之前,先来点干的,说一下在MapReduce的job中怎么使用压缩. MapReduce的压缩分为map端输出内容的压缩和reduce端输出的压缩,配置很简单,只要在作业的conf中 ...
- Hadoop所支持的几种压缩格式
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g ...
- Unity中的图片压缩格式选择
图片格式 不同格式的本质区别在于压缩算法不一样,结果图片大小,还原度也各不相同. 常用图片格式有Png,Jpg,Tga,Psd等.平时主要用Png,Jpg. Jpg是有损压缩不透明,Png是无损压缩有 ...
- C语言中三种大括号格式的规范
C语言中三种大括号格式的使用规范 简介: 在C中,使用大括号的方法无所谓对还是错--只要每个开括号后都有一个闭括号,你的程序中就不再会出现与大括号有关的问题.然而,有三种著名的大括号格式:Kernig ...
- hadoop 四种压缩格式
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g ...
- 大数据里常见的几种压缩格式压缩
离线处理流程: 为什么使用压缩 当使用MapReduce经过ETL后落到HDFS上时,若使用普通文本格式TXT ,那一般副本数为三,若一个副本为500T,500*3=1500? 显然是不现实的. 压缩 ...
- 安卓中两种压缩图片详解(比例压缩与质量压缩)
在提图片压缩之前,我先总结下图片的三种常见格式:JPEG,JPG,PNG Jpeg格式 与jpg格式相似,经常在拷相片的时候看到得,但我们制作图片的时候一般是保存jpg,该种图片格式是文件相对jp ...
- hadoop配置支持LZO压缩格式
撸了今年阿里.头条和美团的面试,我有一个重要发现.......>>> 简介 安装lzo lzo并不是linux系统原生支持,所以需要下载安装软件包.这里至少需要安装3个软件包:lzo ...
- 哪种压缩格式/软件最好?--推荐 7-zip
压缩软件大家都用得多了,老司机们从网上下载个什么资源,很多情况下都会下载到压缩文件.压缩文件的好处有很多,一来减少体积节省流量,二来打包方便可以一次性容纳N个文件,要使用这些压缩 ...
- Html中几种图片格式的区别与使用--我的笔记
在HTML中通过 img src="图片路径" 引入图片. 常见的图片格式有JPEG(JPG),PNG,GIF. GIF图片的扩展名是gif.现在所有的图形浏览器都支持GIF格式, ...
最新文章
- ST为飞行时间传感器增加了多目标测距
- 数据分析惯用的5种思维方法
- hive python udf_python udf方法
- 深入理解Java中的抽象类和接口
- 如何在大流量场景下云淡风轻地进行线上发布?
- [原]Jenkins(十二)---jenkins管理员用户无法登陆解决办法Access Denied
- 23期PHP基础班第四天
- 新窗口打开html页面,网页是选择新窗口打开还是原窗口打开?
- matlab dynprog,动态规划算法
- MemCache详细解读(转)
- 关于开通全国计算机技术与软件专业技术资格(水平)考试继续教育远程培训平台的通知...
- 【转】【JLINK下载失败,STLINK下载失败万能解决方案】JLINK和STLINK都无法下载时的解决办法,此时芯片并没有报废...
- el表达式跟ognl表达式的区别(用法和页面取值)
- 停课不停学,大型网课直播翻车现场,你别笑,哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈啊哈...
- ADB 操作命令详解及用法大全
- 摸爬滚打半年,我是如何从小白进阶到渗透测试工程师
- android 如何读取u盘中数据恢复,U盘数据恢复
- 长尾词推广系统推荐乐云seo_长尾词优化推广很好乐云seo
- 在苹果做了十年公关,我总结了这五条建议
- java bcd asc_BCD码和ASCII码的区别