MapReduc压缩工具对比及配置

在MapReduce的各阶段过程中，根据场景开启不同类型的压缩，可以有效提升Job的处理时间；

MR使用压缩的各个阶段：

      压缩可以在 MapReduce 作用的任意阶段启用，通过压缩可以有效降低Job的处理时间；

    

    从上图可以总结为如下内容：

    1.从原始数据到Map阶段；需要可切分的Splitable，以便于启动多个线程加速任务

    2.Map阶段落地过程；因为需要马上进行Reduce，所以讲求的是Speed，所以越快越好

    3.Reduce阶段是分结果的：

        归档需求：建议采用高压缩比的工具，归档后节省磁盘空间；

        作为下一个任务的输入：要采用Splitable，如果不切片的话下一个MapReduce将只有一个task来处理任务

压缩工具特点对比：

    

压缩性能比较：

    

    通过上图，可以根据不同的阶段，选项不同的压缩工具；

    在选项压缩工具时，针对不同的阶段，可以从3个方面选择对应压缩工具：压缩比、压缩速度、是否分片

关于压缩Hadoop引入的编码器：

    

Hadoop关于压缩参数的配置：

    

    core-site.xml相关的配置：io.compression.codecs -> 配置支持哪些压缩格式，多种压缩格式以逗号区分

    mapred-site.xml相关的配置：

        reduce阶段：

        mapreduce.output.fileoutputformat.compress：是否开启压缩，true表示开启，默认为false

        mapreduce.output.fileoutputformat.compress.codec：压缩类型

        map阶段：

        mapreduce.map.output.compress：是否开启压缩，true表示开启，默认为false

        mapreduce.map.output.compress.codec：压缩类型