大讲台谈hive（中篇）

Hive文件格式

hive文件存储格式包括以下几类：

1、TEXTFILE

2、SEQUENCEFILE

3、RCFILE

4、ORCFILE(0.11以后出现)

其中TEXTFILE为默认格式，建表时不指定默认为这个格式，导入数据时会直接把数据文件拷贝到hdfs上不进行处理。

SEQUENCEFILE，RCFILE，ORCFILE格式的表不能直接从本地文件导入数据，数据要先导入到textfile格式的表中，然后再从表中用insert导入SequenceFile,RCFile,ORCFile表中。

一、TEXTFILE 格式

默认格式，数据不做压缩，磁盘开销大，数据解析开销大。可结合Gzip、Bzip2使用(系统自动检查，执行查询时自动解压)，但使用这种方式，hive不会对数据进行切分， 从而无法对数据进行并行操作。

二、SEQUENCEFILE 格式

SequenceFile是Hadoop API提供的一种二进制文件支持，其具有使用方便、可分割、可压缩的特点。 SequenceFile支持三种压缩选择：NONE，RECORD，BLOCK。Record压缩率低，一般建议使用BLOCK压缩。

三、RCFILE 文件格式

RCFILE是一种行列存储相结合的存储方式。首先，其将数据按行分块，保证同一个record在一个块上，避免读一个记录需要读取多个block。其次，块数据列式存储，有利于数据压缩和快速的列存取。

四、ORCFILE()

五、再看TEXTFILE、SEQUENCEFILE、RCFILE三种文件的存储情况

[hadoop@single.hadoop.dajiangtai.com~]$ hadoop dfs -dus /user/hive/warehouse/*

hdfs://hadoop@single.hadoop.dajiangtai.com:19000/user/hive/warehouse/hbase_table_1    0

hdfs://hadoop@single.hadoop.dajiangtai.com:19000/user/hive/warehouse/hbase_table_2    0

hdfs://hadoop@single.hadoop.dajiangtai.com:19000/user/hive/warehouse/orcfile_table    0

hdfs://hadoop@single.hadoop.dajiangtai.com:19000/user/hive/warehouse/rcfile_table    102638073

hdfs://hadoop@single.hadoop.dajiangtai.com:19000/user/hive/warehouse/seqfile_table   112497695

hdfs://hadoop@single.hadoop.dajiangtai.com:19000/user/hive/warehouse/testfile_table  536799616

hdfs://hadoop@single.hadoop.dajiangtai.com:19000/user/hive/warehouse/textfile_table  107308067

[hadoop@single.hadoop.dajiangtai.com~]$ hadoop dfs -ls /user/hive/warehouse/*/

-rw-r--r--   2 hadoop supergroup   51328177 2014-03-20 00:42/user/hive/warehouse/rcfile_table/000000_0

-rw-r--r--   2 hadoop supergroup   51309896 2014-03-20 00:43/user/hive/warehouse/rcfile_table/000001_0

-rw-r--r--   2 hadoop supergroup   56263711 2014-03-20 01:20 /user/hive/warehouse/seqfile_table/000000_0

-rw-r--r--   2 hadoop supergroup   56233984 2014-03-20 01:21/user/hive/warehouse/seqfile_table/000001_0

-rw-r--r--   2 hadoop supergroup  536799616 2014-03-19 23:15/user/hive/warehouse/testfile_table/weibo.txt

-rw-r--r--   2 hadoop supergroup   53659758 2014-03-19 23:24/user/hive/warehouse/textfile_table/000000_0.gz

-rw-r--r--   2 hadoop supergroup   53648309 2014-03-19 23:26/user/hive/warehouse/textfile_table/000001_1.gz