Hive默认分割符、存储格式与数据压缩

1、Hive默认分割符

Hive创建表时指定的行受限（ROW FORMAT）配置标准HQL为：

...
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\u0001'
COLLECTION ITEMS TERMINATED BY ','
MAP KEYS TERMINATED BY ':'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE
TBLPROPERTIES ('key'='value')
LOCATION '/user/hive/warehouse/...'

Hive中默认使用特殊符号对数据进行分割以避免歧义，Hive的默认分割符规则如下：

分隔符	受限项	HQL语法
^A（\001）	字段(列)分隔符	FIELDS TERMINATED BY
^B（\002）	集合(array、struct、map)元素(map为键值对)间的分隔符	COLLECTION ITEMS TERMINATED BY
^C（\003）	map元素键与值间的分隔符	MAP KEYS TERMINATED BY
\n	行分隔符	LINES TERMINATED BY

Hive默认的字段分隔符为^A（VIM编辑时显示）、\001（ASCII编码八进制显示）、\u0001（UNICODE编码十六进制显示）；Notepad或控制台显示为SOH

Hive默认的集合元素之间分隔符为^B（VIM编辑时显示）、\002（ASCII编码八进制显示）、\u0002（UNICODE编码十六进制显示）；Notepad或控制台显示为STX

Hive默认的映射K-V之间的分隔符为^C（VIM编辑时显示）、\003（ASCII编码八进制显示）、\u0003（UNICODE编码十六进制显示）；Notepad或控制台显示为ETX

2、Hive存储格式

Hive支持的存储数据的格式主要有：TEXTFILE（行式存储） 、SEQUENCEFILE(行式存储)、ORC（列式存储）、PARQUET（列式存储）。企业中使用ORC较多

更多关于存储格式的介绍见：https://www.cnblogs.com/jimmy888/p/13551605.html

3、Hive数据压缩

Hive的数据压缩格式通过TBLPROPERTIES关键字指定

SNAPPY压缩在企业中使用较多

1） ORC存储格式的SNAPPY压缩：

STORED AS ORC
TBLPROPERTIES ("orc.compress"="SNAPPY")

2） PARQUET存储格式的SNAPPY压缩：

STORED AS PARQUET
TBLPROPERTIES ("parquet.compression"="SNAPPY")

更多关于数据压缩的介绍见：https://www.cnblogs.com/jimmy888/p/13551605.html