Hadoop常用文件存储格式

0、行式存储、列式存储

• 行式存储（Row-Based）：同一行数据存储在一起。
• 列式存储（Column-Based）：同一列数据存储在一起。

优缺点 ：

1）行存储的写入是一次性完成，消耗的时间比列存储少，并且能够保证数据的完整性，缺点是数据读取过程中会产生冗余数据，如果只有少量数据，此影响可以忽略;数量大可能会影响到数据的处理效率。行适合插入、不适合查询。

2）列存储在写入效率、保证数据完整性上都不如行存储，它的优势是在读取过程，不会产生冗余数据，这对数据完整性要求不高的大数据处理领域，比如互联网，犹为重要。列适合查询，不适合插入。 

一、Text File

• 文本格式是Hadoop生态系统内部和外部的最常见格式。
• 通常按行存储，以回车换行符区分不同行数据。
• 最大缺点是，它不支持块级别压缩，因此在进行压缩时会带来较高的读取成本。
• 解析开销一般会比二进制格式高，尤其是XML 和JSON，它们的解析开销比Textfile还要大。
• 易读性好。

<