hive存储格式parquet

Hive0.13以后的版本

创建存储格式为parquet的hive表：

CREATE TABLE parquet_test (
 id int,
 str string,
 mp MAP<STRING,STRING>,
 lst ARRAY<STRING>,
 strct STRUCT<A:STRING,B:STRING>) 
PARTITIONED BY (part string)
STORED AS PARQUET;

指定parquet写文件的压缩编码方式：

支持类型：uncompressed", "snappy", "gzip", "lzo"。
Snappy压缩具有更好的性能，Gzip压缩具有更好的压缩比。

hive中支持对parquet的配置,主要有:

parquet.compression
parquet.block.size
parquet.page.size

可以在Hive中直接set:

hive> set parquet.compression=snappy

可以修改Hive属性:

ALTER TABLE parquet_test SET TBLPROPERTIES ('parquet.compression'='snappy');

控制Hive的block大小的参数:

parquet.block.size
dfs.blocksize
mapred.max.split.size