实时计算Flink > 独享模式 > Batch（试用） > 创建源表 —— 创建ORC源表

最新推荐文章于 2023-07-25 21:30:26 发布

转载最新推荐文章于 2023-07-25 21:30:26 发布 · 227 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://yq.aliyun.com/articles/669121

文章标签：

#大数据

本文介绍ORC(Optimized Row Columnar)存储格式的特性，包括其在Hadoop生态中的作用，以及如何使用Flink创建ORC源表。ORC格式通过优化存储和查询效率，成为Hive、SparkSQL、Presto等查询引擎的首选格式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本页目录

创建 ORC 源表
DDL定义
WITH参数

创建 ORC 源表

ORC(Optimized Row Columnar)是一种Hadoop生态圈中的列式存储格式。产生于2013年初，最初产生自Apache Hive，用于降低Hadoop数据存储空间和加速Hive查询速度。和Parquet类似，它并不是一个单纯的列式存储格式，仍然是首先根据行组分割整个表，在每一个行组内进行按列存储。ORC文件是自描述的，它的元数据使用Protocol Buffers序列化，并且文件中的数据尽可能的压缩以降低存储空间的消耗，目前也被Spark SQL、Presto等查询引擎支持，但是Impala对于ORC目前没有支持，仍然使用Parquet作为主要的列式存储格式。2015年ORC项目被Apache项目基金会提升为Apache顶级项目。

DDL定义

Flink支持使用ORC格式文件作为输入源，示例代码如下：

create table orc_source(
id int,
user_name VARCHAR,
content VARCHAR,
primary key(id)
) with (
type='orc',
filePath='hdfs://hdfshome/orcpath/test'
);

WITH参数

参数	注释说明	备注
filePath	文件路径	目前支持hdfs、oss两种文件系统。
enumerateNestedFiles	递归读取目录下的所有文件	true - 递归读取目录下所有文件。默认为false。

本文转自实时计算—— 创建ORC源表