HIVE中的文件

最新推荐文章于 2024-06-14 10:40:07 发布
最新推荐文章于 2024-06-14 10:40:07 发布
阅读量681 收藏 1
点赞数 1
分类专栏： hadoop 文章标签： hadoop hive
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tyhawk/article/details/88801312
版权

文章目录

文件压缩

1. 压缩模式

1.1 为什么要压缩

  在Hive中对中间数据或最终数据数据做压缩，是提高数据吞吐量和性能的一种手段。对数据做压缩，可以大量减少磁盘的存储空间，比如基于文本的数据文件， 可以将文件压缩40%或更多，同时压缩后的文件在磁盘间传输和I/O也会大大减少；当然压缩和解压缩也会带来额外的CPU开销，但是却可以节省更多的I /O和使用更少的内存开销。
  Hadoop jobs作业，往往是I/O密集型的，而非CPU集型的。数据压缩对I/O密集型的作业带来大大的性能提升，但是如果用户的jobs作业时CPU密集型 的，那么在使用压缩就会降低性能，这就要用户对作业的类型做判断，权衡是否要对数据做压缩。

1.2 压缩模式评价
  • 压缩比
    压缩比越高，压缩后文件越小，所以压缩比越高越好。
  • 压缩时间
    越快越好
  • 已经压缩的格式文件是否可以再分割
    可以分割的格式允许单一文件由多个Mapper程序处理，可以更好的并行化。
1.3 压缩模式对比
  • BZip2有最高的压缩比但也会带来更高的CPU开销，Gzip较BZip2次之。如果基于磁盘利用率和I/O考虑，这两个压缩算法都是比较有吸引力的算法。
  • LZO和Snappy算法有更快的解压缩速度，如果更关注压缩、解压速度，它们都是不错的选择。LZO和Snappy在压缩数据上的速度大致相当，但Snappy算法在解压速度上要较LZO更快。
  • Hadoop的会将大文件分割成HDFS block(默认64MB)大小的splits分片，每个分片对应一个Mapper程序。在这几个压缩算法中 BZip2、LZO、Snappy压缩是可分割的，Gzip则不支持分割。
1.4 常见压缩格式

在这里插入图片描述
Hadoop编码/解码器方式，如下表所示
在这里插入图片描述

1.5 可分割

【什么是可分割】
  在考虑如何压缩那些将由MapReduce处理的数据时，考虑压缩格式是否支持分割是很重要的。考虑存储在HDFS中的未压缩的文件，其大小为1GB，HDFS的块大小为64MB，所以该文件将被存储为16块，将此文件用作输入的MapReduce作业会创建1个输人分片（split，也称为“分块”。对于block，我们统一称为“块”。）每个分片都被作为一个独立map任务的输入单独进行处理。
  现在假设，该文件是一个gzip格式的压缩文件，压缩后的大小为1GB。和前面一样，HDFS将此文件存储为16块。然而，针对每一块创建一个分块是没有用的，因为不可能从gzip数据流中的任意点开始读取，map任务也不可能独立于其他分块只读取一个分块中的数据。gzip格式使用DEFLATE来存储压缩过的数据，DEFLATE将数据作为一系列压缩过的块进行存储。问题是，每块的开始没有指定用户在数据流中任意点定位到下一个块的起始位置，而是其自身与数据流同步。因此，gzip不支持分割(块)机制。
  在这种情况下，MapReduce不分割gzip格式的文件，因为它知道输入是gzip压缩格式的(通过文件扩展名得知)，而gzip压缩机制不支持分割机制。因此一个map任务将处理16个HDFS块，且大都不是map的本地数据。与此同时，因为map任务少，所以作业分割的粒度不够细，从而导致运行时间变长。

2. 压缩算法

2.1 常见的压缩算法

在这里插入图片描述

2.2 Hadoop编码/解码

在这里插入图片描述

2.3 设置压缩模式参数
2.3.1 Hive中间数据压缩
hive.exec.compress.intermediate

设置为true为激活中间数据压缩功能,在这个阶段，优先选择一个低CPU开销的算法

mapred.map.output.compression.codec

具体的压缩算法的配置参数，SnappyCodec比较适合在这种场景中编解码器，该算法会带来很好的压缩性能和较低的CPU开销

2.3.2 Hive最终数据压缩
hive.exec.compress.output

用户可以对最终生成的Hive表的数据通常也需要压缩

mapred.output.compression.codec

将hive.exec.compress.output参数设置成true后，然后选择一个合适的编解码器，如选择SnappyCodec

2.4 Hadoop压缩
2.4.1 配置压缩参数
mapreduce.output.fileoutputformat.compress 用于输出
mapreduce.map.output.compress用于Mapper程序中间输出
mapreduce.output.fileoutputformat.compress.codec 为输出配置默认的编码解码器
mapreduce.map.output.compress.codec Mapper程序中间输出配置默认的编码解码器
2.4.2 配置压缩方式

打开压缩用于输出，在配置时添加下面几行：

Configuration cond = new Configuration();
Jon job = new Job(conf);
FileOutput.setCompressOutput(job,true);
FileOutput.setOutputCompressionClass(job,GzipCodec.class);

使用Snappy的编码解码器

FileOutputFormat.setOutputCompressionClass(job,SnappyCodec.class)

打开压缩用于Mapper程序的中间输出，在配置时我们添加下面的几行

Configuration conf = new Configuration();
conf.setBoolean("mapreduce.map.output.compress",true);
conf.setClass("mapreduce.map.output.compress.codec",GzipCodec.class,CompressionCodec.class);
FileOutput.setCompressOutput(job,true);
FileOutput.setOutputCompressionClass(job,GzipCodec.class);
Job job = new Job(conf)

3.文件存储格式

3.1 行式存储
3.1.1 什么是行存储

查询满足条件的一整行数据的时候，列存储则需要去每个聚集的字段找到对应的每个列的值，行存储只需要找到其中一个值，其余的值都在相邻地方，所以此时行存储查询的速度更快

3.1.2 HDFS块内行存储

在这里插入图片描述

3.2 列式存储
3.2.1什么是列存储

因为每个字段的数据聚集存储，在查询只需要少数几个字段的时候，能大大减少读取的数据量；每个字段的数据类型一定是相同的，列式存储可以针对性的设计更好的设计压缩算法

3.2.2HDFS块内列存储

在这里插入图片描述

4. Hive中的文件

4.1 TEXTFILE

Hive默认格式，数据不做压缩，磁盘开销大，数据解析开销大。
可结合Gzip、Bzip2、Snappy等使用（系统自动检查，执行查询时自动解压），但使用这种方式，hive不会对数据进行切分，从而无法对数据进行并行操作

4.2 SEQUENCEFILE

介绍
SequenceFile是Hadoop API 提供的一种二进制文件，它将数据以<key,value>的形式序列化到文件中。这种二进制文件内部使用Hadoop 的标准的Writable 接口实现序列化和反序列化。它与Hadoop API中的MapFile 是互相兼容的。Hive 中的SequenceFile 继承自Hadoop API 的SequenceFile，不过它的key为空，使用value 存放实际的值， 这样是为了避免MR 在运行map 阶段的排序过程

文件结构图
在这里插入图片描述

Header通过头文件格式
在这里插入图片描述

Block-Compressed SequenceFile格式
在这里插入图片描述

4.3 RCFILE

RCFile是Hive推出的一种专门面向列的数据格式。 它遵循“先按行划分，再垂直划分”的设计理念。
RCFile结合行存储查询的快速和列存储节省空间的特点：首先，RCFile保证同一行的数据位于同一节点，因此元组重构的开销很低；其次，像列存储一样，RCFile能够利用列维度的数据压缩，并且能跳过不必要的列读取
在这里插入图片描述

4.4 ORCFILE

hive/spark都支持这种存储格式，它存储的方式是采用数据按照行分块，每个块按照列存储，其中每个块都存储有一个索引。特点是数据压缩率非常高

4.5 PAEQUET

Parquet也是一种行式存储，同时具有很好的压缩性能；同时可以减少大量的表扫描和反序列化的时间

4.6 比较

磁盘空间占用大小比较

orc<parquet<textfile

查询语句运行时间大小比较

orc<parquet<textfile
4.7 总结
  • TextFile默认格式，加载速度最快，可以采用Gzip进行压缩，压缩后的文件无法split，即并行处理
  • SequenceFile压缩率最低，查询速度一般，将数据存放到sequenceFile格式的hive表中，这时数据就会压缩存储。三种压缩格式NONE，RECORD，BLOCK。是可分割的文件格式
  • RCfile压缩率最高，查询速度最快，数据加载最慢
  • 相比TEXTFILE和SEQUENCEFILE，RCFILE由于列式存储方式，数据加载时性能消耗较大，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，因此，整体来看，RCFILE相比其余两种格式具有较明显的优势
  • 在hive中使用压缩需要灵活的方式，如果是数据源的话，采用RCFile+bz或RCFile+gz的方式，这样可以很大程度上节省磁盘空间；而在计算的过程中，为了不影响执行的速度，可以浪费一点磁盘空间，建议采用RCFile+snappy的方式，这样可以整体提升hive的执行速度。至于lzo的方式，也可以在计算过程中使用，只不过综合考虑（速度和压缩比）还是考虑snappy适宜

文件类型

1. TextFile

1.1 非压缩

(1)创建表

CREATE TABLE student(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
STORED AS TEXTFILE;

(2)原始数据

1001	shiny	23
1002	cendy	22
1003	angel	23
1009	ella	21
1012	eva	    24

(3)加载数据

load data local inpath '/home/tyhawk/student.txt' into table student;
1.2 DEFLATE压缩

(1)创建表

CREATE TABLE student_deflate(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS TEXTFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.DefaultCodec;

(3)导入数据

insert overwrite table student_deflate select * from student;

(4)查看数据

select * from student_defalte;

(5)如何查看.deflate

hadoop fs -text file.deflate> your file directory
1.3 GZIP压缩

(1)创建表

CREATE TABLE student_gzip(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS TEXTFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;

(3)导入数据

insert  into table student_gzip select * from student;

(4)查看数据

select * from student_gzip;
1.4 BZIP2压缩

(1)创建表

CREATE TABLE student_bzip2(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS TEXTFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.BZip2Codec;

(3)导入数据

insert  into table student_bzip2 select * from student;

(4)查看数据

select * from student_bzip2;
1.5 LZ4压缩

(1)创建表

CREATE TABLE student_lz4(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS TEXTFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.Lz4Codec;

(3)导入数据

insert into table student_lz4 select * from student;

(4)查看数据

select * from student_lz4;
1.6 Snappy压缩

(1)创建表

CREATE TABLE student_snappy(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS TEXTFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.compress.map.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression=org.apache.hadoop.io.compress.SnappyCodec;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec;
SET io.compression.codecs=org.apache.hadoop.io.compress.SnappyCodec;

(3)导入数据

insert into table student_snappy select * from student;

(4)查看数据

select * from student_snappy;

2. SEQUENCEFILE

2.1 非压缩

(1)创建表

CREATE TABLE student_seq(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS SEQUENCEFILE;

(2)导入数据

insert into table student_seq select * from student;

(3)查看数据

select * from student_seq;
2.2 DEFLATE压缩

(1)创建表

CREATE TABLE student_seq_deflate(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS SEQUENCEFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.DefaultCodec; 
(3)导入数据
```sql
insert into table student_seq_deflate select * from student;
2.3 GZIP压缩

(1)创建表

CREATE TABLE student_seq_gzip(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS SEQUENCEFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;

(3)导入数据

insert into table student_seq_gzip select * from student;

(4)查看数据

select * from student_seq_gzip;

3. RCFILE

3.1 GZIP压缩

(1)创建表

CREATE TABLE student_rcfile_gzip(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS RCFILE;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;

(3)导入数据

insert into table student_rcfile_gzip select * from student;

(4)查看数据
select * from student_rcfile_gzip;

4. ORCFILE
4.1 ZLIB压缩

(1)创建表

CREATE TABLE student_orcfile_zlib(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS ORCFILE TBLPROPERTIES("orc.compress"="ZLIB");

(2)导入数据
insert into table student_orcfile_zlib select * from student;
(3)查看数据
select * from student_orcfile_zlib;

4.2 SNAPPY压缩

(1)创建表

CREATE TABLE student_orcfile_snappy(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS ORCFILE TBLPROPERTIES("orc.compress"="SNAPPY");

(2)导入数据

insert into table student_orcfile_snappy select * from student;

(3)查看数据

select * from student_orcfile_snappy;

5. Parquet

5.1 SNAPPY压缩

(1)创建表

CREATE TABLE student_parquet_snappy(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS PARQUET;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.compress.map.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression=org.apache.hadoop.io.compress.SnappyCodec;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec;
SET io.compression.codecs=org.apache.hadoop.io.compress.SnappyCodec;

(3)导入数据

insert into table student_parquet_snappy select * from student;

(4)查看数据

select * from student_parquet_snappy;

6. AVRO

6.1 SNAPPY压缩

(1)创建表

CREATE TABLE student_avro_snappy(
id INT,
name STRING,
age INT)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n' STORED AS AVRO;

(2)设置压缩类型

SET hive.exec.compress.output=true;
SET mapred.compress.map.output=true;
SET mapred.output.compress=true;
SET mapred.output.compression=org.apache.hadoop.io.compress.SnappyCodec;
SET mapred.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec;
SET io.compression.codecs=org.apache.hadoop.io.compress.SnappyCodec;

(3)导入数据

insert into table student_avro_snappy select * from student;

(4)查看数据

select * from student_avro_snappy;

【文章参考】
https://blog.csdn.net/an342647823/article/details/45094539
https://blog.csdn.net/xsdxs/article/details/53152599
https://blog.csdn.net/shayuwei/article/details/88795325

栖之
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Hive文件格式
九师兄
10-18 1395
hive文件存储格式包括以下几类： TEXTFILE SEQUENCEFILE RCFILE ORCFILE(0.11以后出现) 其中TEXTFILE为默认格式，建表时不指定默认为这个格式，导入数据时会直接把数据文件拷贝到hdfs上不进行处理； SEQUENCEFILE，RCFILE，ORCFILE格式的表不能直接从本地文件导入数据，数据要先导入到textfile格式的表中， 然后再从表中用i...
Hive（4）Hive中的文件
鲨鱼胃的博客
03-25 589
文件压缩 压缩模式 1.为什么要压缩 在Hive中对中间数据或最终数据做压缩，是提高数据吞吐量和性能的一种手段。对数据做压缩，可以大量减少磁盘的存储空间，比如基于文本的数据文件，可以将文件压缩40%或更多。同时压缩后的文件在磁盘间传输和I/O也会大大减少；当然压缩和解压缩也会带来额外的CPU开销，但是却可以节省更多的I/O和使用更少的内存开销。 2.压缩模式评价 压缩比 压缩比越高，压缩后文件越...
Hive的安装配置与常用命令
最新发布
qq_61561587的博客
06-14 535
Hive是一个基于Hadoop的开源数据仓库工具，用于存储和处理海量结构化数据。它是Facebook 2008年8月开源的一个数据仓库框架，提供了类似于SQL语法的HQL（hiveSQL）语句作为数据访问接口。
[Hive]建表实例与参数解释——自定义表的存储格式（textfile、sequencefile、refile）
热门推荐
TOMACAT的博客
08-14 3万+
一、建表实例 create external table `beatles_bi_dm.driver_butie_order_info`( `drive_license_number` bigint COMMENT '1', `drive_num` bigint COMMENT '2', `order_num` ...
Apache Hive File
Poor - Because you have no ambition
08-27 126
Hive 文件存储格式主要包括以下几类： TEXTFILE SEQUENCEFILE RCFILE ORCFILE 其中TEXTFILE为默认格式，建表时不指定默认为这个格式，导入数据时会直接把数据文件拷贝到hdfs上不进行处理；SEQUENCEFILE, RCFILE,ORCFILE格式得表不能直接从本地文件导入数据，数据要先导入到textfile格式得表中，然后再从表中用insert导入S...
从hive上下载文件
一只胖头鱼
06-04 811
hadoop fs -get /user/hive/warehouse/你数据库 zip -r 你的数据库.zip 你的数据库
hive 配置文件
03-03
在Hive的运行中，配置文件起着至关重要的作用，它们定义了Hive的行为、连接到的数据存储以及性能相关的参数。本篇文章将详细介绍Hive的两个核心配置文件：`hive-site.xml`和`hive-env.sh`。 **1. `hive-site.xml`...
hive执行文件.zip
04-07
Hive是Apache Hadoop生态系统中的一个数据仓库工具，它允许用户使用SQL（称为HQL，Hive查询语言）对大规模存储在Hadoop分布式文件系统（HDFS）中的结构化数据进行查询和分析。Hive提供了数据整理、离线查询以及用户...
hive配置文件信息修改
07-13
虽然DataX的配置通常在JSON格式的配置文件中完成，但与Hive、Hadoop和Spark的集成可能会涉及上述组件的配置调整，以确保数据传输的效率和正确性。 总的来说，理解和灵活调整这些组件的配置文件信息对于优化大数据...
Hive内部表合并小文件Java程序
07-05
在实际应用中，我们还可以考虑利用Hive自身的`COMPACTION`功能，它可以自动合并相同分区下的小文件。但是，自动合并可能不适用于所有情况，特别是在有特定性能需求或需要精确控制合并时机的场景下，自定义的Java程序...
HIVE中小文件问题
Miracle.Zhao的博客
04-30 3573
一、小文件产生原因 1.动态分区插入数据，会产生大量小文件 2.数据源本来就含有大量小文件 3.数据增量导入，如Sqoop数据导入，增量insert导入数据等 4.分桶表（主要是切分文件，容易产生小文件问题） 1.2.3都是数据导入的问题： hive 中的小文件肯定是向 hive 表中导入数据时产生，所以先看下向 hive 中导入数据的几种方式 1.直接向表中插入数据 insert into table A values (1,'zhangsan',88),(2,'lisi',61);
注册表文件读写,解析HIVE文件方式
04-02
注册表文件读写,解析HIVE文件方式 NT Registry Hive access library, constants & structures 以直接读写注册表所属文件方式读写注册表,可以避开注册表监控软件. 支持系统:win2ksp4,winxp sp2, winxp sp3
hive的几种文件格式
923723914
01-20 305
hive文件存储格式 1.textfile textfile为默认格式 存储方式：行存储 磁盘开销大 数据解析开销大 压缩的text文件 hive无法进行合并和拆分 2.sequencefile 二进制文件,以&lt;key,value&gt;的形式序列化到文件中 存储方式：行存储 可分割 压缩 一般选择block压缩 优势是文件和hadoop api中的mapfile是相互...
Hive数据类型和文件格式
JinbaoSite
05-07 417
Hive 支持关系型数据库中的大多数基本数据类型，同样也支持关系型数据库中很少出现的3中集合数据类型。 1 基本数据类型 数据类型 描述 TINYINT 1byte有符合整数 SMALINT 2byte有符合整数 INT 4byte有符合整数 BIGINT 8byte有符合整数 BOOLEAN 布尔类型，true或...
hive-目录
cxu123321的博客
10-17 236
Java连接hive
hive目录
九师兄
08-02 1956
hive安装配置连接mysql
hive文件存储格式
m0_61607827的博客
04-07 6302
在 HiveSQL 的 create table 语句中，可以使用 stored as ... 指定表的存储格式。Apache Hive 支持 Apache Hadoop 中使用的几种熟悉的文件格式，比如TextFile、SequenceFile、RCFile、 Avro、ORC、ParquetFile等。 列式存储和行式存储 TEXTFILE 和 SEQUENCEFILE 的存储格式都是基于行存储的，ORC 和 PARQUET 是基于列式存储的。 第一种：TextFile 1、存储方式：.
HIVE打开方式(一)
运维打怪晋级之路
07-10 536
环境：测试环境 方式一：直接hive hive> [ecs_platform@bj-ecs-jm429-D-a2-1-m610-2-null-7 hive]$ hive WARNING: Use "yarn jar" to launch YARN applications. Logging initialized using configuration in file:...
hive导入文件
XIAOMO__的博客
07-11 193
导入文件： 目录 电脑上创txt文件； txt文件拉到浏览器； hive输入sql通过浏览器进入hive中可以查询； 创建一个文件;(文件名随便起);如:data.txt 1,aa,20,80,2019-01-17 15:45:00 2,bb,21,90,2019-01-17 15:45:00 3,cc,24,70,2019-01-18 15:45:00 4,dd,20,82,2019-01-10 15:45:00 5,ee,22,81,2019-01-20 15:45:00 6,gg,2.
hive建表文件格式
03-06
在Hive中，可以使用HiveQL语言来创建表格，并指定表格的文件格式。 Hive支持多种文件格式，常见的包括文本文件、Parquet文件、ORC文件等。下面是对一些常见的Hive建表文件格式的介绍： 1. 文本文件（TextFile）：...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值