​Hive插入parquet格式进行压缩​

以前看到一篇文字，用 看这个参数compressed，其实是看这个参数parquet.compression=SNAPPY，确认是否压缩格式

由于几张大表需要备份下线，由于有3T，单机磁盘空间问题，需要先压缩，下载本地，看了不少都比较复杂，了解有这个方面，测试还可以。

创建parquet table :

create table test.tabname(a int,b int) STORED AS PARQUET;

创建带压缩的parquet table:

create table test.tabname(a int,b int) STORED AS PARQUET TBLPROPERTIES('parquet.compression'='SNAPPY');

如果原来创建表的时候没有指定压缩，后续可以通过修改表属性的方式添加压缩:

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

或者在写入的时候

set parquet.compression=SNAPPY;

3,298,780,751 9896342253  hdfs:///user/hive/warehouse/dwb.db/dwb_iot_ktv_data_md5_dd/ds=20211217

664,510,218  1993530654  hdfs:///user/hive/warehouse/test.db/test_dwb_iot_ktv_data_md5_dd_220508/ds=20211217

不过只会影响后续入库的数据，原来的数据不会被压缩，需要重跑原来的数据。

采用压缩之后大概可以降低到1/6的存储大小。