Hadoop集群中添加Snappy解压缩库

Snappy是用C++开发的压缩和解压缩开发包，旨在提供高速压缩速度和合理的压缩率。Snappy比zlib更快，但文件相对要大20%到100%。在64位模式的Core i7处理器上，可达每秒250~500兆的压缩速度。
　　Snappy的前身是Zippy。虽然只是一个数据压缩库，它却被Google用于许多内部项目程，其中就包括BigTable，MapReduce和RPC。Google宣称它在这个库本身及其算法做了数据处理速度上的优化，作为代价，并没有考虑输出大小以及和其他类似工具的兼容性问题。Snappy特地为64位x86处理器做了优化，在单个Intel Core i7处理器内核上能够达到至少每秒250MB的压缩速率和每秒500MB的解压速率。
　　如果允许损失一些压缩率的话，那么可以达到更高的压缩速度，虽然生成的压缩文件可能会比其他库的要大上20%至100%，但是，相比其他的压缩库，Snappy却能够在特定的压缩率下拥有惊人的压缩速度，“压缩普通文本文件的速度是其他库的1.5-1.7倍，HTML能达到2-4倍，但是对于JPEG、PNG以及其他的已压缩的数据，压缩速度不会有明显改善”。

1. 安装snappy

   yum install snappy snappy-devel

2. hadoop环境增加 snappp.so文件

   ln -sf /usr/lib64/libsnappy.so $HADOOP_HOME/lib/native/.

3. 在$HADOOP_HOME/etc/hadoop/core-site.xml文件中加入snappy配置

   <property>
       <name>io.compression.codecs</name>
       <value>
         org.apache.hadoop.io.compress.GzipCodec,
         org.apache.hadoop.io.compress.DefaultCodec,
         org.apache.hadoop.io.compress.BZip2Codec,
         org.apache.hadoop.io.compress.SnappyCodec
       </value>
   </property>

   下面是配置在map的输出启用压缩

   <property> 
       <name>mapreduce.map.output.compress</name> 
       <value>true</value> 
   </property> 
   
   <property> 
       <name>mapreduce.map.output.compress.codec</name> 
       <value>org.apache.hadoop.io.compress.SnappyCodec</value> 
   </property> 

4. 重新启动hadoop的相关进程，使得上面的配置生效

5. 如果你要在Mapreduce程序里面使用Snappy相关类库，可以用下面的方法实现

   Configuration conf = new Configuration();
   
   //对map输出的内容进行压缩
   conf.set("mapred.compress.map.output","true");
   conf.set("mapred.map.output.compression.codec",
                         "org.apache.hadoop.io.compress.SnappyCodec");
   
   //对reduce输出的内容进行压缩
   conf.set("mapred.output.compress","true");
   conf.set("mapred.output.compression",
                        "org.apache.hadoop.io.compress.SnappyCodec");