Hive的几种常见的压缩格式

该博客探讨了在Hive中使用不同压缩格式(RCfile, ORC, sequencefile, parquet, Avro)的性能测试。通过建立大表、装载数据、执行SQL查询,得出各格式的测试结果,展示了它们在大数据处理中的性能表现。" 112072815,10539818,在Linux上安装Python3并保留Python2,"['Linux安装', 'Python3', '编程语言']
摘要由CSDN通过智能技术生成

一.测试背景

工作中想把历史的结构化数据到Hive中进行查询,由于数据较大,需要进行压缩,
根据Hive官方提供的几种压缩格式分别进行写入,读取,OLAP计算的性能测试,
以求找到最好的压缩格式。

二.测试方法概述

1、数据来源:采用生产上数据抽样,大小为100G。原始日志格式为textfile文件(标准JSON)。
2、测试平台:公司Ambari测试平台,物理内存100G。
3、测试方法:将textfile文件通过脚本自动录入到Hive里,形成大表。(注:解析JSON数据的serde使用 hdp hive自带的hive-hcatalog-core.jar 里面的org.apache.hive.hcatalog.data.JsonSerDe类)
4、从大表创建基于各种不同存储方式的分区表。
5、核心组件HDP版本选择

三.实际操作

1.建立大表js_data

CREATE TABLE IF NOT EXISTS data_ysz.js_data (referer STRING,ip STRING,
articleId STRING,catalogCode STRING, userAgent STRING,sessionId STRING,
title STRING,deviceId STRING,url STRING,visitTime STRING,catalogId STRING,
atype STRING,domain STRING,action STRING,visitDate STRING) 
ROW FORMAT SERDE 'org.apache.hive.hcatalog.data.JsonSerDe';
  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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