大数据学习路线之hive存储格式

hive的存储格式通常是三种：textfile、sequencefile、rcfile、orc、自定义set hive.default.fileformat=TextFile; 默认存储格式为：textfile textFile:普通文本存储，不进行压缩。查询效率较低。

　　1.sequencefile:

　　hive提供的二进制序列文件存储，天生压缩。

　　sequeceFile 和 rcfile都不允许使用load方式加载数据。需要使用insert 方式插入

　　默认支付压缩、分割，使用便捷、写和查询较快。sequencefile和压缩属性可以搭配使用。

　　create table if not exists seq1(

　　id int,

　　name string

　　)

　　row format delimited fields terminated by ' '

　　lines terminated by ' '

　　stored as sequencefile

　　;

　　###加载数据错误方式

　　load data local inpath '/home/user' into table seq1;

　　###加载数据正确方式

　　insert into table seq1

　　select * from user1

　　;

　　2.rcfile：

　　rcfile可以进行行列混合压缩，将附近的列和行的数据尽量保存到相同的块里面，该存储格式会提高查询效率，但是写数据较慢。该方式和gzcodeC压缩属性结合不是很好() set mapred.output.compression=true; set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;

　　###创建rcfile表：

　　create table if not exists rc1(

　　id int,

　　name string

　　)

　　row format delimited fields terminated by ' '

　　stored as rcfile

　　;

　　create table if not exists rc2(

　　id int,

　　name string

　　)

　　row format delimited fields terminated by ' '

　　stored as rcfile

　　;

　　###加载数据错误方式

　　load data local inpath '/home/user' into table rc1;

　　###加载数据正确方式

　　insert into table rc2

　　select * from user1

　　;

　　3.存储自定义：

　　数据： seqyd元数据文件： aGVsbG8saGl2ZQ== aGVsbG8sd29ybGQ= aGVsbG8saGFkb29w seqyd文件为base64编码后的内容，decode后数据为：

　　##hello,hive

　　##hello,world

　　##hello,hadoop

　　create table cus(str STRING)

　　stored as

　　inputformat 'org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextInputFormat'

　　outputformat 'org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextOutputFormat';

　　LOAD DATA LOCAL INPATH '/home/cus' INTO TABLE cus;

　　通常是使用defaultCodec+rcfile搭配效率最好。