使用 ORC 格式的 LZO 压缩

Posted 2023-02-18

【中文标题】使用 ORC 格式的 LZO 压缩

【英文标题】：LZO compression with ORC format

【发布时间】：2015-06-02 08:40:59

【问题描述】：

我正在尝试将一些非常大的 Hive 表从文本格式转换为 ORC 格式，希望它会占用更少的存储空间并且查询会更快。由于我们使用 LZO 作为整个资产的压缩，因此我也尝试将其用于 ORC 格式。

如果你们能提供任何帮助，我将不胜感激。

我正在使用 Hadoop 2.4.0 和 Hive 0.13.1

根据下面的链接，似乎应该可以：

http://2013.berlinbuzzwords.de/sessions/orc-file-improving-hive-data-storage https://hive.apache.org/javadocs/r1.1.0/api/ql/org/apache/hadoop/hive/ql/io/orc/package-summary.html

但是当我做类似的事情时

create table sa_orc_lzo 
stored as orc  tblproperties ("orc.compress"="LZO")  
as select * from sa;

我收到以下错误：

Caused by: org.apache.hadoop.hive.ql.metadata.HiveException: Hive Runtime Error while processing row "data".......
at org.apache.hadoop.hive.ql.exec.MapOperator.process(MapOperator.java:550)
at org.apache.hadoop.hive.ql.exec.mr.ExecMapper.map(ExecMapper.java:177)

**Caused by: java.lang.IllegalArgumentException: LZO is not available.
at org.apache.hadoop.hive.ql.io.orc.WriterImpl.createCodec**(WriterImpl.java:200)
at org.apache.hadoop.hive.ql.io.orc.WriterImpl.<init>(WriterImpl.java:175)
at org.apache.hadoop.hive.ql.io.orc.OrcFile.createWriter(OrcFile.java:369)
at org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat$OrcRecordWriter.write(OrcOutputFormat.java:83)
at org.apache.hadoop.hive.ql.exec.FileSinkOperator.processOp(FileSinkOperator.java:649)
at org.apache.hadoop.hive.ql.exec.Operator.forward(Operator.java:793)
at org.apache.hadoop.hive.ql.exec.SelectOperator.processOp(SelectOperator.java:87)
at org.apache.hadoop.hive.ql.exec.Operator.forward(Operator.java:793)
at org.apache.hadoop.hive.ql.exec.TableScanOperator.processOp(TableScanOperator.java:92)
at org.apache.hadoop.hive.ql.exec.Operator.forward(Operator.java:793)
at org.apache.hadoop.hive.ql.exec.MapOperator.process(MapOperator.java:540)
... 9 more
**Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.hive.ql.io.orc.LzoCodec**

【问题讨论】：

有人可以帮我解决这个问题吗？非常感谢任何指导。

【参考方案1】：

不幸的是，你不能。有人需要实现 org.apache.hadoop.hive.ql.io.orc.LzoCodec 还没有完成。当我写 ORC 时，我把钩子放进去了，我打算回到它，但我还没有。目前，我的盘子里有太多东西了。我的建议是改用 Snappy。 Snappy 几乎和 LZO 一样快，而且效果很好。

它没有完成的部分原因是 LZO 是 GPL 的，因此任何与它的绑定都必须在 GPL 下发布。由于 Apache 许可证与 GPL 不兼容，因此无法在 Apache 上托管绑定。

【讨论】：

通过 ORC 项目的实现，您现在可以使用 LZO。 ORC 项目的版本用于 Hive 2.3 及更高版本。通过一些工作，您可以将它与 Hive 2.1 和 Hive 2.2 一起使用