全方位揭秘！大数据从0到1的完美落地之Hadoop数据压缩

逃离我推掉我的手 2023-09-27 19:47 65阅读 0赞

#### [![7e5a9175e54545f5a0d7532d8cbb36c5.jpeg][]   Hadoop 数据压缩][7e5a9175e54545f5a0d7532d8cbb36c5.jpeg_ Hadoop] ####

[概述][Link 1]

这是MapReduce的一种优化策略：通过压缩编码对mapper或者reducer的输出进行压缩，以减少磁盘IO，提高MR程序运行速度（但相应增加了cpu运算负担）

1) MapReduce支持将map输出的结果或者reduce输出的结果进行压缩，以减少网络IO或最终输出数据的体积
    2) 压缩特性运用得当能提高性能，但运用不当也可能降低性能
    3) 基本原则：
        -运算密集型的job，少用压缩
        -IO密集型的job，多用压缩
    复制代码

[MR支持的压缩编码][MR]

![f7f3968779fc2f05907c4983c3e9cc9b.png][]

image-20210413012501324

考虑Hadoop应用处理的数据集比较大，因此需要借助压缩。下面是按照效率从高到低排列的

（1）使用容器格式文件，例如：顺序文件、RCFile、Avro数据格式支持压缩和切分文件。另外在配合使用一些快速压缩工具，例如：LZO、LZ4或者Snappy.
    （2）使用支持切分压缩格式，例如bzip2
    （3）在应用中将文件切分成块，对每块进行任意格式压缩。这种情况确保压缩后的数据接近HDFS块大小。
    （4）存储未压缩文件，以原始文件存储。
    复制代码

[Reducer输出压缩][Reducer]

在配置参数或在代码中都可以设置reduce的输出压缩

1.  在配置参数中设置

压缩属性：mapreduce.output.fileoutputformat.compress	设置为true
    压缩格式属性：mapreduce.output.fileoutputformat.compress.codec
        类库有：org.apache.hadoop.io.compress.DefaultCodec          .deflate
            org.apache.hadoop.io.compress.GzipCodec				   .gz
    压缩类型属性：mapreduce.output.fileoutputformat.compress.type=RECORD
    复制代码

1.  也可以在代码中用

conf.set(“mapreduce.output.fileoutputformat.compress”,”true”)
    复制代码

1.  在代码中设置

Job job = Job.getInstance(conf);
    FileOutputFormat.setCompressOutput(job, true);
    FileOutputFormat.setOutputCompressorClass(job, (Class<? extends CompressionCodec>) Class.forName(""));
    复制代码

[Mapper输出压缩][Mapper]

在配置参数或在代码中都可以设置reduce的输出压缩

1.  在配置参数中设置

mapreduce.map.output.compress=true
    
    mapreduce.map.output.compress.codec=org.apache.hadoop.io.compress.DefaultCodec
    复制代码

1.  在代码中设置

conf.set(“mapreduce.map.output.compress”,” true”)
    conf.setBoolean(Job.MAP_OUTPUT_COMPRESS, true);
    conf.setClass(Job.MAP_OUTPUT_COMPRESS_CODEC, GzipCodec.class, CompressionCodec.class);
    复制代码

[压缩文件的读取][Link 2]

Hadoop自带的InputFormat类内置支持压缩文件的读取，比如TextInputformat类，在其initialize方法中：

public void initialize(InputSplit genericSplit,
                           TaskAttemptContext context) throws IOException {
        FileSplit split = (FileSplit) genericSplit;
        Configuration job = context.getConfiguration();
        this.maxLineLength = job.getInt(MAX_LINE_LENGTH, Integer.MAX_VALUE);
        start = split.getStart();
        end = start + split.getLength();
        final Path file = split.getPath();
    
        // open the file and seek to the start of the split
        final FileSystem fs = file.getFileSystem(job);
        fileIn = fs.open(file);
        //根据文件后缀名创建相应压缩编码的codec
        CompressionCodec codec = new CompressionCodecFactory(job).getCodec(file);
        if (null!=codec) {
            isCompressedInput = true;	
            decompressor = CodecPool.getDecompressor(codec);
            //判断是否属于可切片压缩编码类型
            if (codec instanceof SplittableCompressionCodec) {
                final SplitCompressionInputStream cIn =
                    ((SplittableCompressionCodec)codec).createInputStream(
                    fileIn, decompressor, start, end,
                    SplittableCompressionCodec.READ_MODE.BYBLOCK);
                //如果是可切片压缩编码，则创建一个CompressedSplitLineReader读取压缩数据
                in = new CompressedSplitLineReader(cIn, job,
                                                   this.recordDelimiterBytes);
                start = cIn.getAdjustedStart();
                end = cIn.getAdjustedEnd();
                filePosition = cIn;
            } else {
                //如果是不可切片压缩编码，则创建一个SplitLineReader读取压缩数据，并将文件输入流转换成解压数据流传递给普通SplitLineReader读取
                in = new SplitLineReader(codec.createInputStream(fileIn,
                                                                 decompressor), job, this.recordDelimiterBytes);
                filePosition = fileIn;
            }
        } else {
            fileIn.seek(start);
            //如果不是压缩文件，则创建普通SplitLineReader读取数据
            in = new SplitLineReader(fileIn, job, this.recordDelimiterBytes);
            filePosition = fileIn;
        }
    }

[7e5a9175e54545f5a0d7532d8cbb36c5.jpeg]: https://img-blog.csdnimg.cn/7e5a9175e54545f5a0d7532d8cbb36c5.jpeg
[7e5a9175e54545f5a0d7532d8cbb36c5.jpeg_ Hadoop]: http://tuwen.1000phone.net/details?id=NTg2Mw==#Hadoop%20%E6%95%B0%E6%8D%AE%E5%8E%8B%E7%BC%A9
[Link 1]: http://tuwen.1000phone.net/details?id=NTg2Mw==#%E6%A6%82%E8%BF%B0
[MR]: http://tuwen.1000phone.net/details?id=NTg2Mw==#MR%E6%94%AF%E6%8C%81%E7%9A%84%E5%8E%8B%E7%BC%A9%E7%BC%96%E7%A0%81
[f7f3968779fc2f05907c4983c3e9cc9b.png]: https://img-blog.csdnimg.cn/img_convert/f7f3968779fc2f05907c4983c3e9cc9b.png
[Reducer]: http://tuwen.1000phone.net/details?id=NTg2Mw==#Reducer%E8%BE%93%E5%87%BA%E5%8E%8B%E7%BC%A9
[Mapper]: http://tuwen.1000phone.net/details?id=NTg2Mw==#Mapper%E8%BE%93%E5%87%BA%E5%8E%8B%E7%BC%A9
[Link 2]: http://tuwen.1000phone.net/details?id=NTg2Mw==#%E5%8E%8B%E7%BC%A9%E6%96%87%E4%BB%B6%E7%9A%84%E8%AF%BB%E5%8F%96