源表数据记录数:60000000

第一步:创建三种文件类型的表,建表语法参考Hive文件存储格式

Sql代码  

TextFile  

 1 set hive.exec.compress.output=true;  
 2 
 3 set mapred.output.compress=true;  
 4 
 5 set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;  
 6 
 7 set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;  
 8 
 9 INSERT OVERWRITE table hzr_test_text_table PARTITION(product='xxx',dt='2013-04-22')  
10 
11 SELECT xxx,xxx.... FROM xxxtable WHERE product='xxx' AND dt='2013-04-22';  

SquenceFile  

 1 set hive.exec.compress.output=true;  
 2 
 3 set mapred.output.compress=true;  
 4 
 5 set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;  
 6 
 7 set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;  
 8 
 9 set io.seqfile.compression.type=BLOCK;  
10 
11 INSERT OVERWRITE table hzr_test_sequence_table PARTITION(product='xxx',dt='2013-04-22')  
12 
13 SELECT xxx,xxx.... FROM xxxtable WHERE product='xxx' AND dt='2013-04-22';  

RCFile  

 1 set hive.exec.compress.output=true;  
 2 
 3 set mapred.output.compress=true;  
 4 
 5 set mapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec;  
 6 
 7 set io.compression.codecs=org.apache.hadoop.io.compress.GzipCodec;  
 8 
 9 INSERT OVERWRITE table hzr_test_rcfile_table PARTITION(product='xxx',dt='2013-04-22')  
10 
11 SELECT xxx,xxx.... FROM xxxtable WHERE product='xxx' AND dt='2013-04-22'; 

第二步:测试insert overwrite table tablename select.... 耗时,存储空间

类型

insert耗时(S)

存储空间(G)

Sequence

97.291

7.13G

RCFile

120.901

5.73G

TextFile

290.517 

6.80G

 

insert耗时、count(1)耗时比较:

 

第三步:查询响应时间

测试一

Sql代码  

方案一,测试整行记录的查询效率:  

1 select * from hzr_test_sequence_table where game='XXX' ;    
2 
3 select * from hzr_test_rcfile_table where game='XXX' ;   
4 
5 select * from hzr_test_text_table where game='XXX' ;   

方案二,测试特定列的查询效率:  

 

文件格式

查询整行记录耗时(S)

查询特定列记录耗时(S)

sequence

42.241

39.918

rcfile

37.395

36.248

text

43.164

41.632

 方案耗时对比:

   测试二:

本测试目的是验证RCFILE的数据读取方式和Lazy解压方式是否有性能优势。数据读取方式只读取元数据和相关的列,节省IO;Lazy解压方式只解压相关的列数据,对不满足where条件的查询数据不进行解压,IO和效率都有优势。

 方案一:

记录数:698020

Sql代码  

1 insert overwrite local directory 'XXX/XXXX' select game,game_server from hzr_test_xxx_table where game ='XXX';  

方案二:

记录数:67236221

Sql代码  

 1 insert overwrite local directory 'xxx/xxxx' select game,game_server from hzr_test_xxx_table;   

 方案三:

记录数:

Sql代码  

 1 insert overwrite local directory 'xxx/xxx' select game from hzr_xxx_rcfile_table;  

 

文件类型

方案一

方案二

方案三

TextFile

54.895

69.428

 167.667

SequenceFile

137.096

77.03

  123.667

RCFile

44.28

57.037

 89.9

 

上图表现反应在大小数据集上,RCFILE的查询效率高于SEQUENCEFILE,在特定字段数据读取时,RCFILE的查询效率依然优于SEQUENCEFILE。

posted on 2015-12-11 00:52  成都笨笨  阅读(1285)  评论(0编辑  收藏  举报