欧美成人午夜免费全部完,亚洲午夜福利精品久久,а√最新版在线天堂,另类亚洲综合区图片小说区,亚洲欧美日韩精品色xxx

扣丁學(xué)堂大數(shù)據(jù)培訓(xùn)Hive實踐分享之存儲和壓縮的坑

2019-02-14 14:05:04 1499瀏覽

今天扣丁學(xué)堂大數(shù)據(jù)培訓(xùn)老師給大家介紹一下關(guān)于Hive實踐分享之存儲和壓縮的坑介紹，首先我們在學(xué)習(xí)大數(shù)據(jù)技術(shù)的過程中，HIVE是非常重要的技術(shù)之一，但我們在項目上經(jīng)常會遇到一些存儲和壓縮的坑，本文通過科多大數(shù)據(jù)的武老師整理，分享給大家。

大家都知道，由于集群資源有限，我們一般都會針對數(shù)據(jù)文件的「存儲結(jié)構(gòu)」和「壓縮形式」進(jìn)行配置優(yōu)化。在我實際查看以后，發(fā)現(xiàn)集群的文件存儲格式為Parquet，一種列式存儲引擎，類似的還有ORC。而文件的壓縮形式為Snappy。具體的操作形式如下：

①創(chuàng)建Parquet結(jié)構(gòu)的表(Hive0.13andlater)：

CREATE TABLE CRM.DEMO(A INT) STORED AS PARQUET ; 

②確認(rèn)表的文件存儲格式：

desc formatted crm.demo; 

結(jié)果輸出如下

# Storage Information              
 
SerDe Library:          org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe       
 
InputFormat:                 org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat      
 
OutputFormat:               org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat  

③創(chuàng)建Snappy壓縮格式的Parquet結(jié)構(gòu)的表(待考察)：

ALTER TABLE crm.demo SET TBLPROPERTIES ('parquet.compression'='SNAPPY') ; 

或，寫入時

SET parquet.compression=SNAPPY ; 

回到最初的問題，如果是按Snappy壓縮的格式，這份用戶行為數(shù)據(jù)沒辦法分析了，因此有兩種辦法去解決：

①安裝Snappy的解壓工具

可自行百度，由于沒有權(quán)限，所以這條路行不通;

②更改數(shù)據(jù)的壓縮格式可以

最初我試了一下更改Parquet格式表的壓縮格式，但是沒有用!因為我最后是需要將查詢數(shù)據(jù)導(dǎo)出到本地文件系統(tǒng)，如下語句所示：

insert overwrite local directory '/home/etl/tmp/data' 
select * 
from crm.demo 

所以，通過這樣的形式得到的數(shù)據(jù)，壓縮格式依然是.Snappy。因此，這里就需要配置Hive執(zhí)行過程中的中間數(shù)據(jù)和最終數(shù)據(jù)的壓縮格式。

如MapReduce的shuffle階段對mapper產(chǎn)生的中間結(jié)果數(shù)據(jù)壓縮：

hive> set mapred.map.output.compression.codec;  
mapred.map.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec 

如對最終生成的Hive表的數(shù)據(jù)壓縮：

hive> set mapred.output.compression.codec;  
mapred.output.compression.codec=org.apache.hadoop.io.compress.SnappyCodec 

這里，我們要設(shè)置結(jié)果表數(shù)據(jù)的壓縮格式，語句如下：

set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec; 

最終的結(jié)果就是.gz的壓縮格式

-rw-r--r-- 1 etl etl 342094 May 10 11:13 000000_0.gz 

最后，我們直接下載到電腦本地，直接解壓就可以通過Excel分析用戶行為路徑數(shù)據(jù)了。

總結(jié)：從Hive應(yīng)用層的角度來說，關(guān)于數(shù)據(jù)文件的「存儲結(jié)構(gòu)」和「壓縮形式」，這兩個點我們不需要關(guān)心，只是在導(dǎo)出數(shù)據(jù)的時候需要結(jié)合文件大小，以及數(shù)據(jù)類型去設(shè)置合適的壓縮格式。不過從Hive底層維護(hù)的角度來說，涉及到各種各樣的「存儲結(jié)構(gòu)」和「壓縮形式」，都需要開發(fā)者去研究和調(diào)整，這樣才能保證集群上的文件在「時間」和「空間」上相對平衡。

以上就是關(guān)于扣丁學(xué)堂大數(shù)據(jù)培訓(xùn)Hive實踐分享之存儲和壓縮的坑詳細(xì)介紹，希望對同學(xué)們認(rèn)識大數(shù)據(jù)Hadoop有所幫助，最后想要學(xué)好大數(shù)據(jù)開發(fā)小編給大家推薦口碑良好的扣丁學(xué)堂，扣丁學(xué)堂有專業(yè)老師制定的大數(shù)據(jù)學(xué)習(xí)路線圖輔助學(xué)員學(xué)習(xí)，此外還有與時俱進(jìn)的大數(shù)據(jù)視頻教程供大家學(xué)習(xí)，想要學(xué)好大數(shù)據(jù)開發(fā)技術(shù)的小伙伴快快行動吧。扣丁學(xué)堂大數(shù)據(jù)學(xué)習(xí)群：209080834。

【關(guān)注微信公眾號獲取更多學(xué)習(xí)資料】 

查看更多關(guān)于“大數(shù)據(jù)培訓(xùn)資訊”的相關(guān)文章>