ORC在Hive中如何应用

这篇文章主要介绍了ORC在Hive中如何应用，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

ORC文件不仅仅是一种列式文件存储格式，最重要的是有着很高的压缩比，并且对于MapReduce来说是可切分（Split）的。因此，在Hive中使用ORC作为表的文件存储格式，不仅可以很大程度的节省HDFS存储资源，而且对数据的查询和处理性能有着非常大的提升，因为 ORC 较其他文件格式压缩比高，查询任务的输入数据量减少，使用的 Task 也就减少了。

对性能提升的另一个方面是通过在ORC文件中为每一个字段建立一个轻量级的索引，来判定一个文件中是否满足WHERE子句中的过滤条件。比如：当执行HQL语句"SELECT COUNT(1) FROM xxx WHERE a=1"时候，先从ORC文件的metadata中读取索引信息，快速定位到id=0所在的offsets，如果从索引信息中没有发现id=0的信息，则直接跳过该文件。

在 Hive 中执行如下语句，新建 hive 表 xxx, 并指定存储格式为 ORC。

CREATE TABLE xxx (
  name STRING,
  color STRING
) STORED AS ORC;

如果，某个表不是 ORC 格式存储的，现在想要修改成 ORC 格式的，可以执行下面的语句：

alter table xxx set fileformat orc;

从 Hive 0.14 版本开始，可以执行下面的语句进行 ORC 小文件的合并。合并发生在 stripe 层面，所以不会发生重新解压编码。

alter table xxx [PARTITION partition_spec] CONCATENATE;

如果想要查看 ORC 文件的信息，可以执行如下语句，其中 path 为 hdfs 路径。

hive --orcfiledump 

从 Hive 1.1 开始，如果想要查看 ORC 的数据内容，可以执行如下语句：

hive --orcfiledump -d 

感谢你能够认真阅读完这篇文章，希望小编分享的"ORC在Hive中如何应用"这篇文章对大家有帮助，同时也希望大家多多支持，关注行业资讯频道，更多相关知识等着你来学习!