Hadoop中常用的壓縮算法有bzip2、gzip、lzo、snappy，其中lzo、snappy需要操作系統安裝native庫才可以支持

下面這張表，是比較官方一點的統計，不同的場合用不同的壓縮算法。bzip2和GZIP是比較消耗CPU的，壓縮比最高，GZIP不能被分塊并行的處理；Snappy和LZO差不多，稍微勝出一點，cpu消耗的比GZIP少。

通常情況下，想在CPU和IO之間取得平衡的話，用Snappy和lzo比較常見一些。

Comparison between compression algorithms

Algorithm% remainingEncodingDecoding

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

?

對于數據格式為TextFile，Sequence，以及其他用戶自定義的文件格式的文件，都可以采用以上的壓縮算法進行壓縮；

TextFile在壓縮以后，不能split，壓縮出來的數據當做job的輸入是一個文件作為一個map。SequenceFile本身是分塊的，加上lzo的壓縮格式，文件可以實現lzo方式的split操作，可以按照record、block進行壓縮，一般采用block效率更高一些。

一、hadoop(hive)對mapreduce壓縮參數設置
1、mapreduce的中間結果對壓縮的支持

方法一：

hadoop 中 mapred-site.xml

<property>

<name>mapred.compress.map.output</name>

<value>true</value>

</property>

<property>

<name>mapred.map.output.compression.codec</name>

<value>com.hadoop.compression.lzo.LzoCodec</value>

</property>

?方法二

hive中hive-site.xml

<property>
? <name>hive.exec.compress.intermediate</name>
? <value>true</value>
? <description>Should the outputs of the maps be compressed before being
?????????????? sent across the network. Uses SequenceFile compression.
? </description>
</property>
<property>
? <name>hive.intermediate.compression.codec</name>
? <value>org.apache.hadoop.io.compress.LzoCodec</value>
? <description>If the map outputs are compressed, how should they be
?????????????? compressed?
? </description>
</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的輸出結果對壓縮的支持

hive-site.xml中配置：

<property>
? <name>hive.exec.compress.output</name>
? <value>true</value>
? <description>Should the job outputs be compressed?
? </description>
</property>
<property>
? <name>mapred.output.compression.codec</name>
? <value>org.apache.hadoop.io.compress.LzoCodec</value>
? <description>If the job outputs are compressed, how should they be compressed?
? </description>
</property>

?

或者在hadoop-site.xml中添加：

<property>
? <name>io.compression.codecs</name>
? <value>org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.BZip2Codec,org.apache.hadoop.io.compress.LzoCodec</value>
? <description>A list of the compression codec classes that can be used
?????????????? for compression/decompression.</description>
</property>
<property>
? <name>mapred.output.compress</name>
? <value>true</value>
? <description>Should the job outputs be compressed?
? </description>
</property>
<property>
? <name>mapred.output.compression.codec</name>
? <value>org.apache.hadoop.io.compress.LzoCodec</value>
? <description>If the job outputs are compressed, how should they be compressed?
? </description>
</property>

?

二、HBASE對這三種壓縮格式的支持

HBase中可以對HFile進行gzip、lzo、snappy方式的壓縮存儲。

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

或者alter 'testtable'，不過要先disable table，完成壓縮后，再enable table

2、對于lzo的支持，需要系統安裝lzo動態庫，以及hadoop lzo相關的native庫，后把native庫jar文件copy到hadoop/lib/native 及 hbase/lib/native中
?? 同時在core-site.xml中，配置lzo壓縮
??????
?????? <property>
???????? <name>io.compression.codecs</name>
???????? <value>org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCodec
??????? </value>
?????? </property>
????? <property>
??????? <name>io.compression.codec.lzo.class</name>
??????? <value>com.hadoop.compression.lzo.LzoCodec</value>
????? </property>

org.apache.hadoop.io.compress.DefaultCodec是hadoop默認的zlib壓縮

hbase(main):001:0> create 'testtable', { NAME => 'colfam1',
COMPRESSION => 'lzo' }
?3、? 對于synappy的支持，需要安裝snappy，并且 將 hadoop-snappy-0.0.1-SNAPSHOT.tar.gz 的native中的動態靜態鏈接庫文件拷到hadoop以及hbase lib的native下面，將hadoop-snappy-0.0.1-SNAPSHOT.jar考到hadoop 以及hbase 的lib下
?? 在core-site.xml中，配置lzo壓縮
??????
?????? <property>
???????? <name>io.compression.codecs</name>
???????? <value>org.apache.hadoop.io.compress.SnappyCodec
??????? </value>
?????? </property>

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

總結

以上是生活随笔為你收集整理的关于几种压缩算法以及hadoop和hbase中的压缩配置说明的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。