hive入门们学习：orcFile和parquet存储格式简介

                             hive入门们学习：orcFile和parquet存储格式简介

                 hive的的表格的存储格式默认情况下是textfile格式的，textfile格式的数据是按照行存储数据。但是在这里介绍的两种企业最常用的数据存储格式orcfile和parquet存储格式，这两种存储格式是根据我们的业务需求--经常需要按照对一列的数据进行存取和处理，例如，机器学习中我们抽样出每一个特征（一列数据)进行特征学习，这个时候，列存储就可以发挥很大的作用了，由下面的图片来看看行存储和列存储的区别：

          对于上面的存储格式来说，我们在机器学习中我们在提取A,B,C,D,ED的时候，行存储格式要加载全部的数据，但是看看列存储，优势就来了，只需要存储行存储的1/3的数据就可以啦，还要深究的话，有内存中的页的的大小情况，就太多了。下面我们来看看具体的案例：

         创建一个表，存储格式按照orc存储，加载数据可以用select和insert函数：有可能是由于数据集太小，这里的orc存储格式的数据量却大于textfile的函数。一个556B，一个264B，不知道为什么。

       

      这里我们在看看另一个存储格式就是parquet存储，他的存储格式大小是553B，又变大了。。。

       

      在改变存储格式的时候，按照如下格式来写就可以:因为大部分情况都是文本的列存储格式数据的，所以，首先我们是创建一个简单的表格，然后再用select语句创建表格的同时改变数据的存储方式。

create  table  xxx(    )
stored as  orc
select xxx   from yyy