hive建立表存储格式

hive在建表是&＃xff0c;可以通过‘STORED AS FILE_FORMAT’ 指定存储文件格式
例如&＃xff1a;

[plain] view plaincopy

1. > CREATE EXTERNAL TABLE MYTEST(num INT, name STRING)  

2. > ROW FORMAT DELIMITED FIELDS TERMINATED BY &＃39;\t&＃39;  

3. > STORED AS TEXTFILE  

4. > LOCATION &＃39;/data/test&＃39;;  

指定文件存储格式为“TEXTFILE”。

hive文件存储格式包括以下几类&＃xff1a;

• TEXTFILE

• SEQUENCEFILE

• RCFILE

• 自定义格式

TEXTFIEL
默认格式&＃xff0c;数据不做压缩&＃xff0c;磁盘开销大&＃xff0c;数据解析开销大。
可结合Gzip、Bzip2使用&＃xff08;系统自动检查&＃xff0c;执行查询时自动解压&＃xff09;&＃xff0c;但使用这种方式&＃xff0c;hive不会对数据进行切分&＃xff0c;从而无法对数据进行并行操作。
实例&＃xff1a;

[plain] view plaincopy

1. > create table test1(str STRING)  

2. > STORED AS TEXTFILE;   

3. OK  

4. Time taken: 0.786 seconds  

5. #写脚本生成一个随机字符串文件&＃xff0c;导入文件&＃xff1a;  

6. > LOAD DATA LOCAL INPATH &＃39;/home/work/data/test.txt&＃39; INTO TABLE test1;  

7. Copying data from file:/home/work/data/test.txt  

8. Copying file: file:/home/work/data/test.txt  

9. Loading data to table default.test1  

10. OK  

11. Time taken: 0.243 seconds  

SEQUENCEFILE:
SequenceFile是Hadoop API提供的一种二进制文件支持&＃xff0c;其具有使用方便、可分割、可压缩的特点。
SequenceFile支持三种压缩选择&＃xff1a;NONE, RECORD, BLOCK。 Record压缩率低&＃xff0c;一般建议使用BLOCK压缩。
示例&＃xff1a;

[plain] view plaincopy

1. > create table test2(str STRING)  

2. > STORED AS SEQUENCEFILE;  

3. OK  

4. Time taken: 5.526 seconds  

5. hive> SET hive.exec.compress.output&＃61;true;  

6. hive> SET io.seqfile.compression.type&＃61;BLOCK;  

7. hive> INSERT OVERWRITE TABLE test2 SELECT * FROM test1;  

RCFILE
RCFILE是一种行列存储相结合的存储方式。首先&＃xff0c;其将数据按行分块&＃xff0c;保证同一个record在一个块上&＃xff0c;避免读一个记录需要读取多个block。其次&＃xff0c;块数据列式存储&＃xff0c;有利于数据压缩和快速的列存取。RCFILE文件示例&＃xff1a;

实例&＃xff1a;

[plain] view plaincopy

1. > create table test3(str STRING)  

2. > STORED AS RCFILE;  

3. OK  

4. Time taken: 0.184 seconds  

5. >  INSERT OVERWRITE TABLE test3 SELECT * FROM test1;  

自定义格式
当用户的数据文件格式不能被当前 Hive 所识别的时候&＃xff0c;可以自定义文件格式。
用户可以通过实现inputformat和outputformat来自定义输入输出格式&＃xff0c;参考代码&＃xff1a;
.\hive-0.8.1\src\contrib\src\java\org\apache\hadoop\hive\contrib\fileformat\base64
实例&＃xff1a;
建表

[plain] view plaincopy

1. > create table test4(str STRING)  

2. > stored as  

3. > inputformat &＃39;org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextInputFormat&＃39;  

4. > outputformat &＃39;org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextOutputFormat&＃39;;  

$ cat test1.txt 
aGVsbG8saGl2ZQ&＃61;&＃61;
aGVsbG8sd29ybGQ&＃61;
aGVsbG8saGFkb29w
test1文件为base64编码后的内容&＃xff0c;decode后数据为&＃xff1a;
hello,hive
hello,world
hello,hadoop
load数据并查询&＃xff1a;

[plain] view plaincopy

1. hive> LOAD DATA LOCAL INPATH &＃39;/home/work/test1.txt&＃39; INTO TABLE test4;   

2. Copying data from file:/home/work/test1.txt  

3. Copying file: file:/home/work/test1.txt  

4. Loading data to table default.test4  

5. OK  

6. Time taken: 4.742 seconds  

7. hive> select * from test4;  

8. OK  

9. hello,hive  

10. hello,world  

11. hello,hadoop  

12. Time taken: 1.953 seconds  

总结&＃xff1a;
相比TEXTFILE和SEQUENCEFILE&＃xff0c;RCFILE由于列式存储方式&＃xff0c;数据加载时性能消耗较大&＃xff0c;但是具有较好的压缩比和查询响应。数据仓库的特点是一次写入、多次读取&＃xff0c;因此&＃xff0c;整体来看&＃xff0c;RCFILE相比其余两种格式具有较明显的优势。