Hive 文件格式，

Hive 文件格式，

hive文件存储格式包括以下几类：

1、TEXTFILE

2、SEQUENCEFILE

3、RCFILE

4、ORCFILE(0.11以后出现)

其中TEXTFILE为默认格式，建表时不指定默认为这个格式，导入数据时会直接把数据文件拷贝到hdfs上不进行处理。

SEQUENCEFILE，RCFILE，ORCFILE格式的表不能直接从本地文件导入数据，数据要先导入到textfile格式的表中，然后再从表中用insert导入SequenceFile,RCFile,ORCFile表中。

（一）TEXTFILE 格式

默认格式，数据不做压缩，磁盘开销大，数据解析开销大。可结合Gzip、Bzip2使用(系统自动检查，执行查询时自动解压)，但使用这种方式，hive不会对数据进行切分，从而无法对数据进行并行操作。

示例：

create table if not exists textfile_table( site string,

url string, pv bigint, label string)

row format delimited fields terminated by '\t' stored as textfile;

插入数据操作：

set hive.exec.compress.output=true; set mapred.output.compress=true;

set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;

 set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;

insert overwrite table textfile_table select * from textfile_table;

（二）SEQUENCEFILE 格式

SequenceFile是Hadoop API提供的一种二进制文件支持，其具有使用方便、可分割、

可压缩的特点。 SequenceFile支持三种压缩选择：NONE，RECORD，BLOCK。Record压

缩率低，一般建议使用BLOCK压缩。

示例：

create table if not exists seqfile_table( site string,

url string, pv bigint, label string)

row format delimited fields terminated by '\t' stored as sequencefile;

插入数据操作：

set hive.exec.compress.output=true; set mapred.output.compress=true;

set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;

 set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;

SET mapred.output.compression.type=BLOCK;

insert overwrite table seqfile_table select * from textfile_table;

（三）RCFILE 文件格式

RCFILE是一种行列存储相结合的存储方式。首先，其将数据按行分块，保证同一个record在一个块上，避免读一个记录需要读取多个block。其次，块数据列式存储，有利于数据压缩和快速的列存取。

RCFILE文件示例：

create table if not exists rcfile_table( site string,

url string, pv bigint, label string)

row format delimited fields terminated by '\t' stored as rcfile;

插入数据操作：

set hive.exec.compress.output=true; set mapred.output.compress=true;

set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;

 set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;

insert overwrite table rcfile_table select * from textfile_table;

（四）再看TEXTFILE、SEQUENCEFILE、RCFILE三种文件的存储情况：

[hadoop@cdh01 ~]$ hadoop dfs ‐dus /user/hive/warehouse/*
hdfs://hadoop@cdh01:19000/user/hive/warehouse/hbase_table_1	0
hdfs://hadoop@cdh01:19000/user/hive/warehouse/hbase_table_2	0
hdfs://hadoop@cdh01:19000/user/hive/warehouse/orcfile_table	0
hdfs://hadoop@cdh01:19000/user/hive/warehouse/rcfile_table	102638073
hdfs://hadoop@cdh01:19000/user/hive/warehouse/seqfile_table	112497695
hdfs://hadoop@cdh01:19000/user/hive/warehouse/testfile_table	536799616
hdfs://hadoop@cdh01:19000/user/hive/warehouse/textfile_table	107308067

[hadoop@cdh01 ~]$ hadoop dfs ‐ls /user/hive/warehouse/*/

‐rw‐r‐‐r‐‐	2	hadoop supergroup	51328177 2014‐03‐20 00:42 /user/hive/warehouse/rcfile_table/000000_
‐rw‐r‐‐r‐‐	2	hadoop supergroup	51309896 2014‐03‐20 00:43 /user/hive/warehouse/rcfile_table/000001_
‐rw‐r‐‐r‐‐	2	hadoop supergroup	56263711 2014‐03‐20 01:20 /user/hive/warehouse/seqfile_table/000000
‐rw‐r‐‐r‐‐	2	hadoop supergroup	56233984 2014‐03‐20	01:21 /user/hive/warehouse/seqfile_table/000001
‐rw‐r‐‐r‐‐	2	hadoop supergroup	536799616 2014‐03‐19	23:15 /user/hive/warehouse/testfile_table/weibo
‐rw‐r‐‐r‐‐	2	hadoop supergroup	53659758 2014‐03‐19	23:24 /user/hive/warehouse/textfile_table/00000
‐rw‐r‐‐r‐‐	2	hadoop supergroup	53648309 2014‐03‐19	23:26 /user/hive/warehouse/textfile_table/00000

总结：相比TEXTFILE和SEQUENCEFILE，RCFILE由于列式存储方式，数据加载时性能消耗较大，但是具有较好的压缩比和查询响应。数据仓库的特点是一次写入、多次读取，因此，整体来看，RCFILE相比其余两种格式具有较明显的优势。