关于几种压缩算法以及hadoop和hbase中的压缩配置说明[转]

2019独角兽企业重金招聘Python工程师标准>>> 关于几种压缩算法以及hadoop和hbase中的压缩配置说明[转]
文章图片

关于几种压缩算法以及hadoop和hbase中的压缩配置说明




文章不错哇,转载下


Hadoop中常用的压缩算法有bzip2、gzip、lzo、snappy,其中lzo、snappy需要操作系统安装native库才可以支持


下面这张表,是比较官方一点的统计,不同的场合用不同的压缩算法。bzip2和GZIP是比较消耗CPU的,压缩比最高,GZIP不能被分块并行的处理;Snappy和LZO差不多,稍微胜出一点,cpu消耗的比GZIP少。


通常情况下,想在CPU和IO之间取得平衡的话,用Snappy和lzo比较常见一些。
【关于几种压缩算法以及hadoop和hbase中的压缩配置说明[转]】

Comparison between compression algorithms


Algorithm % remaining Encoding Decoding
GZIP 13.4% 21 MB/s 118 MB/s
LZO 20.5% 135 MB/s 410 MB/s
Snappy 22.2% 172 MB/s 409 MB/s
对于数据格式为TextFile,Sequence,以及其他用户自定义的文件格式的文件,都可以采用以上的压缩算法进行压缩;


TextFile在压缩以后,不能split,压缩出来的数据当做job的输入是一个文件作为一个map。SequenceFile本身是分块的,加上lzo的压缩格式,文件可以实现lzo方式的split操作,可以按照record、block进行压缩,一般采用block效率更高一些。


一、hadoop(hive)对mapreduce压缩参数设置
1、mapreduce的中间结果对压缩的支持


方法一:


hadoop 中 mapred-site.xml





mapred.compress.map.output


true








mapred.map.output.compression.codec


com.hadoop.compression.lzo.LzoCodec







方法二


hive中hive-site.xml



hive.exec.compress.intermediate
true
Should the outputs of the maps be compressed before being
sent across the network. Uses SequenceFile compression.

< /property>
< property>
hive.intermediate.compression.codec
org.apache.hadoop.io.compress.LzoCodec
If the map outputs are compressed, how should they be
compressed?

< /property>
方法三
hive中shell
set hive.exec.compress.intermediate=true;


set hive.intermediate.compression.codec="org.apache.hadoop.io.compress.LzoCodec";


2、mapreduce的输出结果对压缩的支持


hive-site.xml中配置:



hive.exec.compress.output
true
Should the job outputs be compressed?

< /property>
< property>
mapred.output.compression.codec
org.apache.hadoop.io.compress.LzoCodec
If the job outputs are compressed, how should they be compressed?

< /property>


或者在hadoop-site.xml中添加:



io.compression.codecs
org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.BZip2Codec,org.apache.hadoop.io.compress.LzoCodec
A list of the compression codec classes that can be used
for compression/decompression.

< /property>
< property>
mapred.output.compress
true
Should the job outputs be compressed?

< /property>
< property>
mapred.output.compression.codec
org.apache.hadoop.io.compress.LzoCodec
If the job outputs are compressed, how should they be compressed?

< /property>


二、HBASE对这三种压缩格式的支持


HBase中可以对HFile进行gzip、lzo、snappy方式的压缩存储。


1、对于gzip压缩的支持
hbase(main):001:0> create 'testtable', { NAME => 'colfam1',
COMPRESSION => 'GZ' }


或者alter 'testtable',不过要先disable table,完成压缩后,再enable table


2、对于lzo的支持,需要系统安装lzo动态库,以及hadoop lzo相关的native库,后把native库jar文件copy到hadoop/lib/native 及 hbase/lib/native中
同时在core-site.xml中,配置lzo压缩



io.compression.codecs
org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCodec



io.compression.codec.lzo.class
com.hadoop.compression.lzo.LzoCodec



org.apache.hadoop.io.compress.DefaultCodec是hadoop默认的zlib压缩


hbase(main):001:0> create 'testtable', { NAME => 'colfam1',
COMPRESSION => 'lzo' }
3、 对于synappy的支持,需要安装snappy,并且 将 hadoop-snappy-0.0.1-SNAPSHOT.tar.gz 的native中的动态静态链接库文件拷到hadoop以及hbase lib的native下面,将hadoop-snappy-0.0.1-SNAPSHOT.jar考到hadoop 以及hbase 的lib下
在core-site.xml中,配置lzo压缩



io.compression.codecs
org.apache.hadoop.io.compress.SnappyCodec




hbase(main):001:0> create 'testtable', { NAME => 'colfam1',COMPRESSION => 'synappy' }


转载于:https://my.oschina.net/qiangzigege/blog/669654

    推荐阅读