Hive支持的文件格式与压缩算法

只要是配置了正确的文件类型和压缩类型(比如Textfile+Gzip、SequenceFile+Snappy等)，Hive都可以按预期读取并解析数据，提供SQL功能。

SequenceFile本身的结构已经设计了内容进行压缩。所以对于SequenceFile文件的压缩，并不是先生成SequenceFile文件，再对文件进行压缩。而是生成SequenceFile文件时，对其中的内容字段进行压缩。最终压缩后，对外仍体现为一个SequenceFile。

RCFile、ORCFile、Parquet、Avro对于压缩的处理方式与SequenceFile相同。

文件格式

1. Textfile
2. SequenceFile
3. RCFile
4. ORCFile
5. Parquet
6. Avro

TEXTFILE

1. --创建一个表，格式为文本文件： 
2. CREATE EXTERNAL TABLE student_text (id STRING, name STRING) 
3. ROW FORMAT DELIMITED  
4.     FIELDS TERMINATED BY ','  
5.     LINES TERMINATED BY '/n' 
6. STORED AS TEXTFILE; 
7. --导入数据到此表中,将启动MR任务 
8. INSERT OVERWRITE TABLE student_text SELECT * FROM student; 

可查看到生成的数据文件的格式为非压缩的文本文件：

1. hdfs dfs -cat /user/hive/warehouse/student_text/000000_0 
2.  
3. 1001810081,cheyo 
4. 1001810082,pku 
5. 1001810083,rocky 
6. 1001810084,stephen 
7. 2002820081,sql 
8. 2002820082,hello 
9. 2002820083,hijj 
10. 3001810081,hhhhhhh 
11. 3001810082,abbbbbb 

文本文件,DEFLATE压缩

1. --创建一个表，格式为文件文件： 
2. CREATE TABLE student_text_def (id STRING, name STRING) 
3. ROW FORMAT DELIMITED 
4.     FIELDS TERMINATED BY ',' 
5.     LINES TERMINATED BY '/n' 
6. STORED AS TEXTFILE; 
7. --设置压缩类型为Gzip压缩 
8. SET hive.exec.compress.output=true; 
9. SET mapred.output.compress=true; 
10. SET mapred.output.compression.codec=org.apache.hadoop.io.compress.DefaultCodec;  
11. --导入数据： 
12. INSERT OVERWRITE TABLE student_text_def SELECT * FROM student; 
13. --查看数据 
14. SELECT * FROM student_text_def; 

查看数据文件,可看到数据文件为多个.deflate文件。

1. hdfs dfs -ls /user/hive/warehouse/student_text_def/ 
2. -rw-r--r--   2015-09-16 12:48 /user/hive/warehouse/student_text_def/000000_0.deflate 
3. -rw-r--r--   2015-09-16 12:48 /user/hive/warehouse/student_text_def/000001_0.deflate 
4. -rw-r--r--   2015-09-16 12:48 /user/hive/warehouse/student_text_def/000002_0.deflate 

大数据培训越来越火，大数据产业蓬勃发展。文本文件,Gzip压缩

1. --创建一个表，格式为文件文件： 
2. CREATE TABLE student_text_gzip (id STRING, name STRING) 
3. ROW FORMAT DELIMITED 
4.     FIELDS TERMINATED BY ',' 
5.     LINES TERMINATED BY '/n' 
6. STORED AS TEXTFILE; 
7. --设置压缩类型为Gzip压缩 
8. SET hive.exec.compress.output=true; 
9. SET mapred.output.compress=true; 
10. SET mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec; 
11. --导入数据： 
12. INSERT OVERWRITE TABLE student_text_gzip SELECT * FROM student; 
13. --查看数据 
14. SELECT * FROM student_text_gzip; 

查看数据文件,可看到数据文件为多个.gz文件。解开.gz文件，可以看到明文文本：

1. hdfs dfs -ls /user/hive/warehouse/student_text_gzip/ 
2. -rw-r--r--  2015-09-15 10:03 /user/hive/warehouse/student_text_gzip/000000_0.gz 
3. -rw-r--r--  2015-09-15 10:03 /user/hive/warehouse/student_text_gzip/000001_0.gz 
4. -rw-r--r--  2015-09-15 10:03 /user/hive/warehouse/student_text_gzip/000002_0.gz 

文本文件,Bzip2压缩

1. --创建一个表，格式为文件文件： 
2. CREATE TABLE student_text_bzip2 (id STRING, name STRING) 
3. ROW FORMAT DELIMITED 
4.     FIELDS TERMINATED BY ',' 
5.     LINES TERMINATED BY '/n' 
6. STORED AS TEXTFILE; 
7. --设置压缩类型为Bzip2压缩： 
8. SET hive.exec.compress.output=true; 
9. SET mapred.output.compress=true; 
10. SET mapred.output.compression.codec=org.apache.hadoop.io.compress.BZip2Codec; 
11. --导入数据 
12. ------>>>>在线客服！