千锋教育-做有情怀、有良心、有品质的职业教育机构
一般选择ORC+bzip/gzip作为数据源的存储，选择则ORC+Snappy作为中间数据的存储，分区表单文件不大可以采用gzip压缩，桶表需要用bzip或lzo支持分片的方式压缩
设置压缩建表时指定"stored as orc tblproperties ("orc.compress"="gzip")"
设置set hive.exec.compress.intermediate=true开启中间数据压缩
然后设置mapred.map.output.compression.codec指定中间数据的压缩方式
设置 set hive.exec.compress.output=true 开启输出文件压缩
然后设置 mapred.output.compression.codec 指定输出文件的压缩方式。
下一篇
Hive和Hbase区别
hive外部表是使用external关键字并指定一个hdfs目录创建的表。hive内部表在创建时会在对应hive目录下创建相应的文件夹，外部表则以指定文件夹为...详情>>
2022-09-02 17:21:00
Checkpoint是为runtime准备的，Savepoint 是为用户准备的。Checkpoint 机制的目标在于保证Flink作业意外崩溃重启不影响exactly once 准确性，通...详情>>
2022-09-02 16:59:22
State：指一个具体的Task/Operator的状态。State可以被记录，在失败的情况下数据还可以恢复，Flink中有两种基本类型的State： Keyed State， Op...详情>>
2022-09-02 16:59:19
Flink 内部是基于producer-consumer模型来进行消息传递的，Flink的反压设计也是基于这个模型。Flink 使用了高效有界的分布式阻塞队列，就像 Jav...详情>>
2022-09-02 16:59:16
虽说水位线(Watermark)表明早于它的事件不应该再出现，但是接收到水位线以前的的消息是不可避免的，这就是所谓的迟到事件。实际上迟到事件是乱...详情>>
2022-09-02 16:59:00
京公网安备 11010802030320号