扣丁学堂大数据培训之Hive实践分享之存储和压缩问题的详解

2018-12-25 14:58:19 496浏览

今天扣丁学堂大数据培训老师给大家分享一篇关于Hive实践分享之存储和压缩的坑详解，首先大多数同学在学习大数据技术的过程中，Hive是非常重要的技术之一，但我们在项目上经常会遇到一些存储和压缩的坑，本文通过科多大数据的武老师整理，分享给大家。

大家都知道，由于集群资源有限，我们一般都会针对数据文件的「存储结构」和「压缩形式」进行配置优化。在我实际查看以后，发现集群的文件存储格式为Parquet，一种列式存储引擎，类似的还有ORC。而文件的压缩形式为Snappy。具体的操作形式如下：

①创建Parquet结构的表(Hive0.13andlater)：

CREATE TABLE CRM.DEMO(A INT) STORED AS PARQUET ; 

②确认表的文件存储格式：

desc formatted crm.demo; 

结果输出如下

# Storage Information              
SerDe Library:          org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe       
InputFormat:                 org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat      
OutputFormat:               org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat 

③创建Snappy压缩格式的Parquet结构的表(待考察)：

ALTER TABLE crm.demo SET TBLPROPERTIES ('parquet.compression'='SNAPPY') ; 

或，写入时

SET parquet.compression=SNAPPY ; 

回到最初的问题，如果是按Snappy压缩的格式，这份用户行为数据没办法分析了，因此有两种办法去解决：

①安装Snappy的解压工具

可自行百度，由于没有权限，所以这条路行不通;

②更改数据的压缩格式可以

最初我试了一下更改Parquet格式表的压缩格式，但是没有用!因为我最后是需要将查询数据导出到本地文件系统，如下语句所示：

insert overwrite local directory '/home/etl/tmp/data' 
select * from crm.demo 

所以，通过这样的形式得到的数据，压缩格式依然是.Snappy。因此，这里就需要配置Hive执行过程中的中间数据和最终数据的压缩格式。

如MapReduce的shuffle阶段对mapper产生的中间结果数据压缩：

hive> set mapred.map.output.compression.codec;  
mapred.map.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec 

如对最终生成的Hive表的数据压缩：

hive> set mapred.output.compression.codec;  
mapred.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec 

这里，我们要设置结果表数据的压缩格式，语句如下：

set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec; 

最终的结果就是.gz的压缩格式

-rw-r--r-- 1 etl etl 342094 May 10 11:13 000000_0.gz 

最后，我们直接下载到电脑本地，直接解压就可以通过Excel分析用户行为路径数据了。从Hive应用层的角度来说，关于数据文件的「存储结构」和「压缩形式」，这两个点我们不需要关心，只是在导出数据的时候需要结合文件大小，以及数据类型去设置合适的压缩格式。不过从Hive底层维护的角度来说，涉及到各种各样的「存储结构」和「压缩形式」，都需要开发者去研究和调整，这样才能保证集群上的文件在「时间」和「空间」上相对平衡。

以上就是关于扣丁学堂大数据培训之Hive实践分享之存储和压缩问题的详解，希望对同学们学习大数据开发有所帮助，想要了解更多内容的小伙伴可以登录扣丁学堂官网咨询。想要学好大数据开发小编给大家推荐口碑良好的扣丁学堂，扣丁学堂有专业老师制定的大数据学习路线图辅助学员学习，此外还有与时俱进的大数据视频直播课供大家学习，想要学好大数据开发技术的小伙伴快快行动吧。扣丁学堂大数据学习群：209080834。

【关注微信公众号获取更多学习资料】 

查看更多关于“大数据培训资讯”的相关文章>