Hadoop文件格式

CSV

CSV（Comma-Separated Value 逗号分隔值）

特性

• 文本文件
• 面向行
• 记录被分隔符分隔为字段
• 记录有着相同的字段序列

场景

易于解析，适用于从 Sqoop 导入到 HDFS 或从 HDFS 导出到数据库的文件格式

提示

1. 文本编码
2. 保证记录中的字段不包含分隔符（使用不常用的字符作为分隔符或者替换字段中的分隔符）
3. 使用 Apache Commons Lang 3 项目的 StringUtils.splitPreserveAllTokens 替换 Java String 自带的 string.split 解析 CSV

JSON

JSON（Javascript Object Notation Javascript 对象标记）

特性

• 文本文件
• 面向行

场景

可读性好，适用于调试

Avro

Apache Avro

特性

• 序列化框架
• 自描述 Schema
• 面向行
• 可分片
• 支持内部压缩

场景

空间利用率高，适用于归档数据

Parquet

Apache Parquet

特性

• 自描述 Schema
• 面向列
• 可分片
• 支持内部压缩

场景

列式存储，适用于结构化查询

Kudu

Apache Kudu

特性

• 面向列

场景

列式存储，适用于流处理

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 我们