Parquet + Spark SQL
Posted Uncle Nucky
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Parquet + Spark SQL相关的知识,希望对你有一定的参考价值。
海量数据存储 推荐用 Parquet列式存储 替代 HDFS上的文件
下面两篇文章讲解 用Parquet列式存储来存储数据,主要是提高查询性能、和存储压缩
《Spark SQL下的Parquet使用最佳实践和代码实战》http://blog.csdn.net/sundujing/article/details/51438306
《操作技巧:将 Spark 中的文本转换为 Parquet 以提升性能》http://www.ibm.com/developerworks/cn/analytics/blog/ba-parquet-for-spark-sql/index.html
离线:Kafka -> HDFS -> Parquet -> Spark SQL
实时:Kafka -> Spark Streaming -> Parquet -> Spark SQL(ML、Graphx等)
以上是关于Parquet + Spark SQL的主要内容,如果未能解决你的问题,请参考以下文章