好程序员大数据学习路线之hive存储格式,hive的存储格式通常是三种:textfile 、 sequencefile 、 rcfile 、 orc 、自定义 set hive.default.fileformat=TextFile; 默认存储格式为:textfile textFile:普通文本存储,不进行压缩。查询效率较低。
1.sequencefile:
hive提供的二进制序列文件存储,天生压缩。
sequeceFile 和 rcfile都不允许使用load方式加载数据。需要使用insert 方式插入
默认支付压缩、分割,使用便捷、写和查询较快。sequencefile和压缩属性可以搭配使用。
create table if not exists seq1(
id int,
name string
)
row format delimited fields terminated by ‘\t‘
lines terminated by ‘\n‘
stored as sequencefile
;
###加载数据错误方式
load data local inpath ‘/home/user‘ into table seq1;
###加载数据正确方式
insert into table seq1
select from user1
;
2.rcfile:
rcfile可以进行行列混合压缩,将附近的列和行的数据尽量保存到相同的块里面,该存储格式会提高查询效率,但是写数据较慢。该方式和gzcodeC压缩属性结合不是很好() set mapred.output.compression=true; set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;
###创建rcfile表:
create table if not exists rc1(
id int,
name string
)
row format delimited fields terminated by ‘\t‘
stored as rcfile
;
create table if not exists rc2(
id int,
name string
)
row format delimited fields terminated by ‘\t‘
stored as rcfile
;
###加载数据错误方式
load data local inpath ‘/home/user‘ into table rc1;
###加载数据正确方式
insert into table rc2
select from user1
;
3.存储自定义:
数据: seqyd元数据文件: aGVsbG8saGl2ZQ== aGVsbG8sd29ybGQ= aGVsbG8saGFkb29w seqyd文件为base64编码后的内容,decode后数据为:
##hello,hive
##hello,world
##hello,hadoop
create table cus(str STRING)
stored as
inputformat ‘org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextInputFormat‘
outputformat ‘org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextOutputFormat‘;
LOAD DATA LOCAL INPATH ‘/home/cus‘ INTO TABLE cus;
通常是使用 defaultCodec + rcfile搭配效率最好
原文地址:https://blog.51cto.com/14256902/2424908