全方位揭秘！大数据从0到1的完美落地之Hive压缩

Hive的压缩

HQL语句最终会被编译成Hadoop的Mapreduce job,因此hive的压缩设置，实际上就是对底层MR在处理数据时的压缩设置。

hive在map阶段的压缩

map阶段的设置，就是在MapReduce的shuffle阶段对mapper产生的中间结果数据压缩。在这个阶段，优先选择一个低CPU开销的算法。

<!-- 指定要不要开启中间压缩 -->
<property><name>hive.exec.compress.intermediate</name><value>false</value>
</property><!-- 指定中间压缩想要使用的压缩编码器（类文件） -->
<property><name>hive.intermediate.compression.codec</name><value/>
</property><!-- 指定压缩编码器中的那种压缩类型 -->
<property><name>hive.intermediate.compression.type</name><value/>
</property>

hive在reduce阶段的压缩

即对reduce阶段的输出数据进行压缩设置。

<!-- 指定要不要开启最终压缩。 -->
<property><name>hive.exec.compress.output</name><value>false</value>
</property>注意:如果开启，默认使用中间压缩配置的压缩编码器和压缩类型。

常用压缩格式

压缩格式	压缩比	压缩速度	需要安装	支持切分
bzip2	最高	慢	否	是
gzip	很高	比较快	否	否
snappy	比较高	很快	是	否
lzo	比较高	很快	是	是(需要建立索引)

压缩编码器：

压缩格式	压缩编码器
deflate	org.apache.hadoop.io.compress.DefaultCodec
gzip	org.apache.hadoop.io.compress.GzipCodec
bzip2	org.apache.hadoop.io.compress.BZip2Codec
lzo	com.hadoop.compression.lzo.LzopCodec（中间输出使用）
snappy	org.apache.hadoop.io.compress.SnappyCodec（中间输出使用）

案例测试：

-- 开启中间压缩机制
hive (mydb)> set hive.exec.compress.intermediate=true;
-- 设置中间压缩编码器
hive (mydb)> set hive.intermediate.compression.codec=org.apache.hadoop.io.compress.DefaultCodec;
-- 设置压缩类型
hive (mydb)> set hive.intermediate.compression.type=RECORD;
-- 开启reduce端的压缩机制
hive (mydb)> set hive.exec.compress.output=true;create external table if not exists stocks_seq_2 (
exchange1 string,
symbol string,
ymd string,
price_open float,
price_high float,
price_low float,
price_close float,
volume int,
price_adj_close float
)
row format delimited
fields terminated by ','
stored as sequencefile;--动态加载数据：
insert into stocks_seq_2 select * from stocks_1;验证数据是否变小了..........

全方位揭秘！大数据从0到1的完美落地之Hive压缩相关推荐

全方位揭秘！大数据从0到1的完美落地之Hive自定义函数
自定义函数自定义函数介绍 hive的内置函数满足不了所有的业务需求.hive提供很多的模块可以自定义功能,比如:自定义函数.serde.输入输出格式等.而自定义函数可以分为以下三类: 1)UDF:u ...
全方位揭秘！大数据从0到1的完美落地之Hive介绍
Hive定义 Hive是一个基于Hadoop的数据仓库工具,可以将结构化的数据文件映射成一张数据表,并可以使用类似SQL的方式来对数据文件进行读写以及管理.这套Hive SQL 简称HQL.Hive的 ...
全方位揭秘！大数据从0到1的完美落地之Hive分桶
分桶的概述为什么要分桶数据分区可能导致有些分区数据过多,有些分区数据极少.分桶是将数据集分解为若干部分(数据文件)的另一种技术. 分区和分桶其实都是对数据更细粒度的管理.当单个分区或者表中的数据越 ...
全方位揭秘！大数据从0到1的完美落地之Hive企业级调优
Hive企业级调优调优原则已经在MR优化阶段已经有核心描述,优化Hive可以按照MR的优化思路来执行优化的主要考虑方面: 环境方面:服务器的配置.容器的配置.环境搭建具体软件配置参数: 代码级别 ...
全方位揭秘！大数据从0到1的完美落地之Hive窗口函数
窗口函数窗口函数over简介先来看一下这个需求:求每个部门的员工信息以及部门的平均工资.在mysql中如何实现呢求部门平均工资 select deptno ,avg(sal) from emp ...
全方位揭秘！大数据从0到1的完美落地之Hive分区
分区简介为什么分区 Hive的Select查询时,一般会扫描整个表内容.随着系统运行的时间越来越长,表的数据量越来越大,而hive查询做全表扫描,会消耗很多时间,降低效率.而有时候,我们需求的数据只 ...
全方位揭秘！大数据从0到1的完美落地之Hive存储格式
hive的存储格式 hive的存储格式分为两大类:一类纯文本文件,一类是二进制文件存储. 第一类: 纯文本文件存储 textfile: 纯文本文件存储格式,不压缩,也是hive的默认存储格式,磁盘开销 ...
全方位揭秘！大数据从0到1的完美落地之Hive查询操作
Hive基本查询语法基本使用规则基本查询语句组成 select .. from ..join [tableName] on ..where ..group by ..having ..order ...
全方位揭秘！大数据从0到1的完美落地之Hive视图
hive的视图简介 hive的视图简单理解为逻辑上的表 hive只支持逻辑视图,不支持物化视图视图存在的意义对数据进行局部暴露(涉及隐私的数据不暴露) 简化复杂查询创建视图: create v ...

全方位揭秘！大数据从0到1的完美落地之Hive压缩

Hive的压缩

hive在map阶段的压缩

hive在reduce阶段的压缩

常用压缩格式

压缩编码器：

全方位揭秘！大数据从0到1的完美落地之Hive压缩相关推荐

最新文章

热门文章