hugh.wangp
- 浏览: 289112 次
- 性别:
- 来自: 杭州
-
最新评论
-
onlyamoment：
请问为什么要限制不合并文件呢？事实上，用动态分区写表时候容易出 ...
HIVE动态分区参数配置 -
alexss1988：
请问楼主，RCFILE由于列式存储方式，数据加载时性能消耗较大 ...
HIVE文件存储格式的测试比较 -
空谷悠悠：
jersey文档中提到:Client instances ar ...
自整理手册Jersey Client API -
bottle1：
我也遇到FileNotFoundException这个问题，发 ...
Hadoop 中使用DistributedCache遇到的问题 -
yongqi：
hi hugh.wangp: 请教您一个问题，我现在也在被 ...
Hadoop 中使用DistributedCache遇到的问题
文章列表
自己在写MAR/REDUCE代码时，遇到了一个问题，一个大数据文件和一个小数据文件匹配计算，但是小数据文件太小，所以想采用HIVE的MAP JOIN的方式，把小数据文件放到直接大数据文件map的datanode的内存中，这样少了MR代码的1对N的数据文件关联。
实现这个的最佳方案就是利用distributed cache。HIVE的MAP JOIN也是利用这个技术。
首先简要介绍一下distributed cache是如何使用的，然后总结下自己在使用distributed cache遇到的问题，这些问题网上也有人遇到，但是没有给出明确的解释。希望能够帮助同样遇到此类问题的朋 ...
by hugh.wangp
我们的数据绝大多数都是在HIVE上，对HIVE的SEQUENCEFILE和RCFILE的存储格式都有利用，为了满足HIVE的数据开放，hive client的方式就比较单一，直接访问HIVE生成的HDFS数据也是一种必要途径，所以本文整理测试了如何编写 ...
by hugh.wangp
根据自身涉及到的数据分布和使用需求，对HIVE上的三类文件格式做了如下测试，指导HIVE的文件格式选型。测试存在环境、数据分布、测试偏重点的不同，本测试只供参考，不作为大家选型决策的绝对指导。
HIVE的三种文件格式：TEXTFILE、SEQUENCEFILE、RCFILE中，TEXTFILE和SEQUENCEFILE的存储格式都是基于行存储的，RCFILE是基于行列混合的思想，先按行把数据划分成N个row group，在row group中对每个列分别进行存储。
基于HDFS的行存储具备快速数据加载和动态负载的高适应能力，因为行存储保证了相同记录 ...