Hive数据压缩

MR支持的压缩编码

为了支持多种压缩/解压缩算法&＃xff0c;Hadoop引入了编码/解码器&＃xff0c;如下表所示

压缩性能的比较

http://google.github.io/snappy/

On a single core of a Core i7 processor in 64-bit mode, Snappy compresses at about 250 MB/sec or more and decompresses at about 500 MB/sec or more.
压缩250MB每秒、解压缩500MB每秒&＃xff0c;非常快。

压缩配置参数

要在Hadoop中启用压缩&＃xff0c;可以配置如下参数&＃xff08;mapred-site.xml文件中&＃xff09;&＃xff1a;

开启Map输出阶段压缩

开启map输出阶段压缩可以减少job中map和Reduce task间数据传输量。具体配置如下&＃xff1a;
案例实操&＃xff1a;
1&＃xff09;开启hive中间传输数据压缩功能

hive (default)>set hive.exec.compress.intermediate&＃61;true;


2&＃xff09;开启mapreduce中map输出压缩功能

hive (default)>set mapreduce.map.output.compress&＃61;true;


3&＃xff09;设置mapreduce中map输出数据的压缩方式

hive (default)>set mapreduce.map.output.compress.codec&＃61; org.apache.hadoop.io.compress.SnappyCodec;


4&＃xff09;执行查询语句

select count(1) from score;


开启Reduce输出阶段压缩

当Hive将输出写入到表中时&＃xff0c;输出内容同样可以进行压缩。属性hive.exec.compress.output控制着这个功能。用户可能需要保持默认设置文件中的默认值false&＃xff0c;这样默认的输出就是非压缩的纯文本文件了。用户可以通过在查询语句或执行脚本中设置这个值为true&＃xff0c;来开启输出结果压缩功能。
案例实操&＃xff1a;
1&＃xff09;开启hive最终输出数据压缩功能

hive (default)>set hive.exec.compress.output&＃61;true;


2&＃xff09;开启mapreduce最终输出数据压缩

hive (default)>set mapreduce.output.fileoutputformat.compress&＃61;true;


3&＃xff09;设置mapreduce最终数据输出压缩方式

hive (default)> set mapreduce.output.fileoutputformat.compress.codec &＃61; org.apache.hadoop.io.compress.SnappyCodec;


4&＃xff09;设置mapreduce最终数据输出压缩为块压缩

hive(default)>set mapreduce.output.fileoutputformat.compress.type&＃61;BLOCK;


5&＃xff09;测试一下输出结果是否是压缩文件

insert overwrite local directory &＃39;/export/servers/snappy&＃39; select * from score distribute by s_id sort by s_id desc;