Hive-4-Hive的文件格式

Hive文件格式

1、 TextFile

 

默认文件格式

数据不做压缩，磁盘开销大，数据解析开销大，可以结合Gzip、Bzip2使用（系统自动检测，执行查询时自动解压）

数据不会被Hive切分，所以无法对数据进行并行操作

创建命令：

 

2、 SequenceFile

 

是Hadoop API提供的一种二进制文件支持

使用方便、可分割、可压缩的特点

支持三种压缩方式：NONE\RECORD(压缩率低)\BLOCK(建议使用)

创建命令：

第二个红框是设置压缩方式，sequencefile和RCFile格式不能直接从本地文件导入数据，数据必须要先导入到TextFile格式的表中，然后再从TextFile表中用Insert导入到SequenceFile和RCFile表中

3、 RCFile

 

Facebook开发，行列存储相结合的存储方式

压缩比更高

读取列更快

RCFile存储结构遵循“先水平划分，再垂直划分”的设计里面，如图：

首先，RCFile保证同一行的数据位于同一个节点上，其次，像列存储一样，RCFile能够利用列唯独的数据压缩，并且能够跳过不必要的列读取

创建命令：

 

4、 自定义

 

当用户的数据文件格式不能被当前Hive使用的时候，可以自定义文件格式，通过实现InputFormat和OutputFormat自定义输入输出格式

创建命令：

 

 

5、 Hive三种文件格式的比较