hive 中的存储格式

存储格式

• 行式存储
  一行的数据都在一个hdfs block上，这样在select * from table 时 ，能全部查出，但是在查某几列时他也会将不需要的列也会取出来在选择需要的列，增加了没必要的磁盘io

• 列式存储
  每一列数据都类型都一样，可以采取一定的压缩，在查某几列时，只需要查询需要的列不会查询不需要的，但是在select * from table时，由于不同列不在一起，会进行数据重组

hive中存储格式

• TextFile(行式存储，默认)
  数据没有压缩，磁盘开销大。

• sequencefile（行式存储）
  key-value格式，对value进行压缩，但是多了一些数据会变大，一般不用

• orc（列式存储）
  参考官网介绍
  
  将文件分为多个stripe，默认每个stripe为250M，在stripe中默认对每10000行进行一个索引（index data）。这个索引记录了这些行中的最大和最小的值，查询性能明显提升。
  HiveQL语法

  • CREATE TABLE … STORED AS ORC
  • ALTER TABLE … [PARTITION partition_spec] SET FILEFORMAT ORC
  • SET hive.default.fileformat=ORC

• parquet（列式存储）
  性能差不多，这2 个都常用