Hive orc与parquet的区别 orc如何支持事物

Posted 2022-01-21 二十六画生的博客

区别：

1 orc的数据存储的文件更小。

2 orc支持事物（ACID和delete/update操作，当然还需要满足其他条件才行。）parquet不支持增删改。

----------------------------------------------------------

因为业务要求，需要对Hive表进行delete，在官网查询后，发现update和delete是一类问题。在此总结下如何实现Hive表的delete和update。

首先，先看下官网关于update和delete的相关说明，使用注意事项也请参考官网说明，这里只介绍如何实现相关功能。

综合上述信息，Hive自0.14版本开始支持update和delete，要执行update和delete的表必须支持ACID，而关于ACID的详细介绍，需要查看Hive Transactions.

经过对Hive Transactions相关内容的分析，我提取出了以下必要信息：

 

综合上述信息，可以得出以下结论：

如果一个表要实现update和delete功能，该表就必须支持ACID，而支持ACID，就必须满足以下条件：

1、表的存储格式必须是ORC（STORED AS ORC）；

2、表必须进行分桶（CLUSTERED BY (col_name, col_name, ...)  INTO num_buckets BUCKETS）；

3、Table property中参数transactional必须设定为True（tblproperties('transactional'='true')）；

4、以下配置项必须被设定：
  

Client端：

1. hive.support.concurrency – true

2. hive.enforce.bucketing – true

3. hive.exec.dynamic.partition.mode – nonstrict  

4. hive.txn.manager – org.apache.hadoop.hive.ql.lockmgr.DbTxnManager  

  

服务端：

1. hive.compactor.initiator.on – true

2. hive.compactor.worker.threads – 1

3. hive.txn.manager – org.apache.hadoop.hive.ql.lockmgr.DbTxnManager（经过测试，服务端也需要设定该配置项）

       注意：上述配置项必须区分Client端和服务端。在Cloudera Manager上可以分别添加（hive—>配置—>高级），在更新部署配置信息的时候需要勾选部署客户端配置（默认是勾选的）。

---

https://blog.csdn.net/u010003835/article/details/88249027 《Hive_Hive ORC 实现 update 与 delete》
https://blog.csdn.net/u013332124/article/details/89644109《Hive ACID和事务表支持详解》
https://blog.csdn.net/lsr40/article/details/107975889《【数仓】数据存储格式的选择：Parquet与ORC》
https://blog.csdn.net/yu616568/article/details/50993491