Hive文件存储格式

Posted 2020-06-12

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是默认格式，建表是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、RCFILE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导入到SEQUENCEFILE、RCFILE、ORCFILE等。

前提创建环境：hive0.8

 

创建一张testfile_table表，格式为textfile：

 

[java] view plain copy

 

1. create table if not exists testfile_table(  
2.           site   string,  
3.           url    string,  
4.           pv     bigint,  
5.           label  string   
6. ) row format delimited fields terminated by ‘\t‘ stored as textfile;  

加载数据：

 

 

[java] view plain copy

 

1. load data local inpath ‘/usr/local/src/weibo.txt‘ overwrite into table testfile_table;  

一、TEXTFILE

 

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)，但是使用这种方式，hive不会对数据进行切分，从无法对数据进行并行操作。

 

示例：

 

[java] view plain copy

 

1. //建表  
2. create table if not exists textfile_table(  
3.           site   string,  
4.           url    string,  
5.           pv     bigint,  
6.           label  string   
7. ) row format delimited fields terminated by ‘\t‘ stored as textfile;  
8.   
9. //插入数据前操作  
10. hive> set hive.exec.compress.output=true;  
11. hive> set mapred.output.compress=true;  
12. hive> set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;  
13. hive> set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;  
14. //插入数据  
15. hive> insert overwrite table textfile_table select * from testfile_table;  

 

二、SEQUENCEFILE

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：

 

[java] view plain copy

 

1. //建表  
2. create table if not exists seqfile_table(  
3.           site   string,  
4.           url    string,  
5.           pv     bigint,  
6.           label  string   
7. ) row format delimited fields terminated by ‘\t‘ stored as sequencefile;  
8.   
9. //插入数据前设置相关属性  
10. hive> set hive.exec.compress.output=true;  
11. hive> set mapred.output.compression.type=BLOCK;  
12.   
13. //插入数据  
14. insert overwrite table seqfile_table select * from textfile_table;  

 

三、RCFILE

RCFILE是一种行列存储相结合方式。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块。其次块数据列式存储，有利于数据压缩和快速的列存取。

示例：

 

[java] view plain copy

 

1. //建表  
2. create table if not exists rcfile_table(  
3.           site   string,  
4.           url    string,  
5.           pv     bigint,  
6.           label  string   
7. ) row format delimited fields terminated by ‘\t‘ stored as rcfile;  
8.   
9. 插入数据操作：  
10. set hive.exec.compress.output=true;    
11. set mapred.output.compress=true;    
12. //插入数据  
13. insert overwrite table rcfile_table select * from testfile_table;