千鋒教育-做有情懷、有良心、有品質的職業教育機構
一般選擇ORC+bzip/gzip作為數據源的存儲，選擇則ORC+Snappy作為中間數據的存儲，分區表單文件不大可以采用gzip壓縮，桶表需要用bzip或lzo支持分片的方式壓縮
設置壓縮建表時指定"stored as orc tblproperties ("orc.compress"="gzip")"
設置set hive.exec.compress.intermediate=true開啟中間數據壓縮
然后設置mapred.map.output.compression.codec指定中間數據的壓縮方式
設置 set hive.exec.compress.output=true 開啟輸出文件壓縮
然后設置 mapred.output.compression.codec 指定輸出文件的壓縮方式。
下一篇
Hive和Hbase區別
hive外部表是使用external關鍵字并指定一個hdfs目錄創建的表。hive內部表在創建時會在對應hive目錄下創建相應的文件夾，外部表則以指定文件夾為...詳情>>
2022-09-02 17:21:00
Checkpoint是為runtime準備的，Savepoint 是為用戶準備的。Checkpoint 機制的目標在于保證Flink作業意外崩潰重啟不影響exactly once 準確性，通...詳情>>
2022-09-02 16:59:22
State：指一個具體的Task/Operator的狀態。State可以被記錄，在失敗的情況下數據還可以恢復，Flink中有兩種基本類型的State： Keyed State， Op...詳情>>
2022-09-02 16:59:19
Flink 內部是基于producer-consumer模型來進行消息傳遞的，Flink的反壓設計也是基于這個模型。Flink 使用了高效有界的分布式阻塞隊列，就像 Jav...詳情>>
2022-09-02 16:59:16
雖說水位線(Watermark)表明早于它的事件不應該再出現，但是接收到水位線以前的的消息是不可避免的，這就是所謂的遲到事件。實際上遲到事件是亂...詳情>>
2022-09-02 16:59:00
京公網安備 11010802030320號