hive 存储格式的生产应用

本文对比了TextFile、SequenceFile、RcFile、ORCFile及Parquet等数据存储格式的磁盘空间占用情况,发现ORCFile压缩效果最佳,其次是Parquet,再次是RcFile,TextFile和SequenceFile则占用空间较大。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

相同数据,分别以TextFile、SequenceFile、RcFile、ORC存储的比较。

原始大小: 19M

1. TextFile(默认) 文件大小为18.1M

 

 

2. SequenceFile

 

1

2

3

4

5

6

7

8

9

10

11

12

create table page_views_seq(

track_time string,

url string,

session_id string,

referer string,

ip string,

end_user_id string,

city_id string

)ROW FORMAT DELIMITED FIELDS TERMINATED BY “\t”

STORED AS SEQUENCEFILE;

 

insert into table page_views_seq select * from page_views;

 

用SequenceFile存储后的文件为19.6M

 

3. RcFile

 

1

2

3

4

5

6

7

8

9

10

11

12

create table page_views_rcfile(

track_time string,

url string,

session_id string,

referer string,

ip string,

end_user_id string,

city_id string

)ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t"

STORED AS RCFILE;

 

insert into table page_views_rcfile select * from page_views;

 

用RcFile存储后的文件为17.9M

4. ORCFile

 

1

2

3

4

5

create table page_views_orc

ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t"

STORED AS ORC

TBLPROPERTIES("orc.compress"="NONE")

as select * from page_views;

 

用ORCFile存储后的文件为7.7M

 

5. Parquet

create table page_views_parquet

ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t"

STORED AS PARQUET

as select * from page_views;

用ORCFile存储后的文件为13.1M

总结:磁盘空间占用大小比较

ORCFile(7.7M)<parquet(13.1M)<RcFile(17.9M)<Textfile(18.1M)<SequenceFile(19.6)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值