如何在CDH中使用LZO压缩
温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。
1.问题描述
CDH中默认不支持Lzo压缩编码，需要下载额外的Parcel包，才能让Hadoop相关组件如HDFS，Hive，Spark支持Lzo编码。
具体请参考：
https://www.cloudera.com/documentation/enterprise/latest/topics/cm_mc_gpl_extras.html
https://www.cloudera.com/documentation/enterprise/latest/topics/cm_ig_install_gpl_extras.html#xd_583c10bfdbd326ba-3ca24a24-13d80143249--7ec6
首先我在没做额外配置的情况下，生成Lzo文件并读取。我们在Hive中创建两张表，test_table和test_table2，test_table是文本文件的表，test_table2是Lzo压缩编码的表。如下：
create external table test_table(s1 string,s2 string)row format delimited fields terminated by '#'location '/lilei/test_table'; insert into test_table values('1','a'),('2','b'); create external table test_table2(s1 string,s2 string)row format delimited fields terminated by '#'location '/lilei/test_table2'; |
|---|
通过beeline访问Hive并执行上面命令：
查询test_table中的数据：
将test_table中的数据插入到test_table2，并设置输出文件为lzo压缩：
set mapreduce.output.fileoutputformat.compress.codec=com.hadoop.compression.lzo.LzoCodec;set hive.exec.compress.output=true;set mapreduce.output.fileoutputformat.compress=true;set mapreduce.output.fileoutputformat.compress.type=BLOCK; insert overwrite table test_table2 select * from test_table; |
|---|
在Hive中执行报错如下：
Error:Error while processing statement: FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask (state=08S01,code=2) |
|---|
通过Yarn的8088可以发现是因为找不到Lzo压缩编码：
Compression codec com.hadoop.compression.lzo.LzoCodec was not found. |
|---|
2.解决办法
通过Cloudera Manager的Parcel页面配置Lzo的Parcel包地址：
注意：如果集群无法访问公网，需要提前下载好Parcel包并发布到httpd
下载->分配->激活
配置HDFS的压缩编码加入Lzo：
com.hadoop.compression.lzo.LzoCodeccom.hadoop.compression.lzo.LzopCodec |
|---|
保存更改，部署客户端配置，重启整个集群。
等待重启成功：
再次插入数据到test_table2，设置为Lzo编码格式：
set mapreduce.output.fileoutputformat.compress.codec=com.hadoop.compression.lzo.LzoCodec;set hive.exec.compress.output=true;set mapreduce.output.fileoutputformat.compress=true;set mapreduce.output.fileoutputformat.compress.type=BLOCK; insert overwrite table test_table2 select * from test_table; |
|---|
插入成功：
2.1 Hive验证
首先确认test_table2中的文件为Lzo格式：
在Hive的beeline中进行测试：
Hive基于Lzo压缩文件运行正常。
2.2 Spark SQL验证
var textFile=sc.textFile("hdfs://ip-172-31-8-141:8020/lilei/test_table2/000000_0.lzo_deflate") textFile.count() sqlContext.sql("select * from test_table2") |
|---|
SparkSQL基于Lzo压缩文件运行正常。
醉酒鞭名马，少年多浮夸！ 岭南浣溪沙，呕吐酒肆下！挚友不肯放，数据玩的花！
温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。
腾讯云开发者
