压缩优化
--查看hive支持的压缩类型
set io.compression.codecs;
--开启hive中间压缩,对于hadoop job的是mapred.compress.map.output,并设置压缩为snappy压缩
set hive.exec.compress.intermediate=true;
mapred.map.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec
--开启hive的最终结果压缩,如果设置了开启压缩,那么需呀设置一个编解码器
--默认的编解码器是`org.apache.hadoop.io.compress.DefaultCodec`,这里设置成`org.apache.hadoop.io.compress.GzipCodec`。
--对于hadoop job的是mapred.output.compress
--hive支持GZIP、BZip2、Snappy、LZO
--其中BZip2压缩率最高,但是对cpu消耗比较高,所以速度慢;Gzip是cpu和存储的折中选择;snappy和lzo压缩率低,但是速度快,但是对cpu消耗小
--BZip2和LZO提供了块(Block)级别的压缩,gzip和snappy不支持块级别压缩
set hive.exec.compress.output=true;
set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;
--设置sequencefile为BLOCK,设置的参数可选为NONE、RECORD、BLOCK
set mapred.output.compression.type=BLOCK;
--配置hive启用归档文件
set hive.archive.enabled=true;