Fork me on GitHub

Hadoop 开启压缩

开启Map输出阶段压缩

  开启map输出阶段压缩可以减少job中map和Reduce task间数据传输量。具体配置如下:
  案例实操:

1
2
3
4
5
6
7
8
1)开启hive中间传输数据压缩功能
  hive (default)>set hive.exec.compress.intermediate=true;
2)开启mapreduce中map输出压缩功能
  hive (default)>set mapreduce.map.output.compress=true;
3)设置mapreduce中map输出数据的压缩方式
  hive (default)>set mapreduce.map.output.compress.codec= org.apache.hadoop.io.compress.SnappyCodec;
4)执行查询语句
  hive (default)> select count(ename) name from emp;

开启Reduce输出阶段压缩

  当Hive将输出写入到表中时,输出内容同样可以进行压缩。属性hive.exec.compress.output控制着这个功能。用户可能需要保持默认设置文件中的默认值false,这样默认的输出就是非压缩的纯文本文件了。用户可以通过在查询语句或执行脚本中设置这个值为true,来开启输出结果压缩功能。
  案例实操:

1
2
3
4
5
6
7
8
9
10
1)开启hive最终输出数据压缩功能
  hive (default)>set hive.exec.compress.output=true;
2)开启mapreduce最终输出数据压缩
  hive (default)>set mapreduce.output.fileoutputformat.compress=true;
3)设置mapreduce最终数据输出压缩方式
  hive (default)> set mapreduce.output.fileoutputformat.compress.codec = org.apache.hadoop.io.compress.SnappyCodec;
4)设置mapreduce最终数据输出压缩为块压缩
  hive (default)> set mapreduce.output.fileoutputformat.compress.type=BLOCK;
5)测试一下输出结果是否是压缩文件
  hive (default)> insert overwrite local directory '/opt/module/datas/distribute-result' select * from emp distribute by deptno sort by empno desc;

-----------------本文结束,感谢您的阅读-----------------