Hive的数据压缩介绍及使用

在实际工作当中，hive当中处理的数据，一般都需要经过压缩，前期我们在学习hadoop的时候，已经配置过hadoop的压缩，我们这里的hive也是一样的,可以使用压缩来节省我们的MR处理的网络带宽。

MR支持的压缩编码

为了支持多种压缩/解压缩算法，Hadoop引入了编码/解码器，如下表所示

压缩性能的比较

大家是不是很想知道为什么我把压缩编码格式表中把snappy中标注起来了呢? 先让我们到snappy的开源网站上 http://google.github.io/snappy/

On a single core of a Core i7 processor in 64-bit mode, Snappy compresses at about 250 MB/sec or more and decompresses at about 500 MB/sec or more.

我们可以看到snappy压缩达到了250MB/s,解压达到了500MB/s,这性能直接碾压上面所列举的那几个!所以snappy也常作为企业数据压缩格式!

接着我们来看看如何配置压缩参数？

压缩参数配置

要在Hadoop中启用压缩，可以配置如下参数（mapred-site.xml文件中）：

开启Map输出阶段压缩

开启map输出阶段压缩可以减少job中map和Reduce task间数据传输量。具体配置如下：

案例实操 <1>开启hive中间传输数据压缩功能 hive (default)>set hive.exec.compress.intermediate=true;

<2>开启mapreduce中map输出压缩功能 hive (default)>set mapreduce.map.output.compress=true;

<3>设置mapreduce中map输出数据的压缩方式 hive (default)>set mapreduce.map.output.compress.codec= org.apache.hadoop.io.compress.SnappyCodec;

<4>执行查询语句 select count(1) from score;

开启Reduce输出阶段压缩

当Hive将输出写入到表中时，输出内容同样可以进行压缩。属性hive.exec.compress.output控制着这个功能。用户可能需要保持默认设置文件中的默认值false，这样默认的输出就是非压缩的纯文本文件了。用户可以通过在查询语句或执行脚本中设置这个值为true，来开启输出结果压缩功能。

案例实操

<1>开启hive最终输出数据压缩功能 hive (default)>set hive.exec.compress.output=true;

<2>开启mapreduce最终输出数据压缩 hive (default)>set mapreduce.output.fileoutputformat.compress=true;

<3>设置mapreduce最终数据输出压缩方式 hive (default)> set mapreduce.output.fileoutputformat.compress.codec = org.apache.hadoop.io.compress.SnappyCodec;

<4>设置mapreduce最终数据输出压缩为块压缩 hive(default)>set mapreduce.output.fileoutputformat.compress.type=BLOCK;

<5>测试一下输出结果是否是压缩文件 insert overwrite local directory '/export/servers/snappy' select * from score distribute by s_id sort by s_id desc;

本次的分享就到这里了,喜欢的小伙伴们记得点赞加关注哟(＾Ｕ＾)ノ~ＹＯ,后续会带来更多hive的介绍,敬请期待!