Hive的三种文件格式

Posted 2021-04-29 大数据技术官

---

Hive文件存储格式包括以下几类：

1、TEXTFILE 

2、SEQUENCEFILE 

3、RCFILE 

4、ORCFILE(0.11以后出现)

　　 其中TEXTFILE为默认格式，建表时不指定默认为这个格式，导入数据时会直接把数据文件拷贝到hdfs上不进行处理。 

　　 SEQUENCEFILE，RCFILE，ORCFILE格式的表不能直接从本地文件导入数据，数据要先导入到textfile格式的表中， 然后再从表中用insert导入SequenceFile,RCFile,ORCFile表中。

１、TEXTFILE 格式

　　 默认格式，数据不做压缩，磁盘开销大，数据解析开销大。 可结合Gzip、Bzip2使用(系统自动检查，执行查询时自动解压)，但使用这种方式，hive不会对数据进行切分， 从而无法对数据进行并行操作。

示例：create table if not exists textfile_table( site string, url  string, pv   bigint, label string)row format delimited fields terminated by '\t'stored as textfile; 

插入数据操作：

set hive.exec.compress.output=true;  

set mapred.output.compress=true;  

set mapred.output.compression.codec=org.apache.hadoop.io.compress. GzipCodec;  

set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec; insert overwrite table textfile_table select * from textfile_table;

２、SEQUENCEFILE 格式

　　 SequenceFile是Hadoop API提供的一种二进制文件支持，其具有使用方便、可分割、可压缩的特点。 SequenceFile支持三种压缩选择：NONE，RECORD，BLOCK。Record压缩率低，一般建议使用BLOCK压缩。

示例：create table if not exists seqfile_table( site string, url  string, pv bigint, label string)row format delimited fields terminated by '\001'stored as sequencefile; 

插入数据操作：set hive.exec.compress.output=true;  

set mapred.output.compress=true;  

set mapred.output.compression.codec=org.apache.hadoop.io.compress. GzipCodec;  

set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec; set mapred.output.compression.type=BLOCK;

insert overwrite table seqfile_table select * from textfile_table;  

３、RCFILE 文件格式 

　　 RCFILE是一种行列存储相结合的存储方式。首先，其将数据按行分块，保证同一个record在一个块上，避免读一个记录需要读取多个block。其次，块数据列式存储，有利于数据压缩和快速的列存取。

RCFILE文件示例：create table if not exists rcfile_table( site string, url  string, pv   bigint, label string)row format delimited fields terminated by '\t'stored as rcfile; 

插入数据操作：set hive.exec.compress.output=true;  

set mapred.output.compress=true;  

set mapred.output.compression.codec=org.apache.hadoop.io.compress. GzipCodec;  

set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;  

insert overwrite table rcfile_table select * from textfile_table;

    

    相比TEXTFILE和SEQUENCEFILE，RCFILE由于列式存储方式，数据加载时性能消耗较大，但是具有较好的压缩比和查询响应。数据仓库的特点是一次写入、多次读取，因此，整体来看，RCFILE相比其余两种格式具有较明显的优势。

---