文档章节

Parquet 支持数据嵌套的列式数据存储格式

cloud-coder
 cloud-coder
发布于 2015/06/17 10:27
字数 475
阅读 3013
收藏 0

简介

        Apache Parquet 是一个列存储格式,主要用于 Hadoop 生态系统。对数据处理框架、数据模型和编程语言无关。Cloudera的大数据在线分析(OLAP)项目Impala中使用该格式作为列存储。

        Parquet是Twitter内部的列式存储,目前开源并将代码托管在 parquet-format

        Parquet是一种供Hadoop使用的列式存储格式。Parquet为Hadoop生态系统中的所有项目提供支持高效率压缩的列式数据表达,而且与数据处理框架、数据模型或编程语言都没有关系。

        正如Google Dremel一样,Parquet由许多复杂的嵌套的数据结构组成,并使用重复级别/定义级别(repetition/definition level )的方法来对数据结构进行编码。这种方法能够实现优秀的简单扁平的嵌套命名空间。

        Parquet支持对某一列数据进行压缩,未来还会实现更多的编码方式。将编码的概念与压缩分开,Parquet的用户可以直接对编码数据进行实施和操作,而不需要经历先解压再压缩的过程。

        Parquet被设计成可供任何人使用。Hadoop生态圈中有大量的数据处理框架,一个高效的、便于实施的列式存储模板应该为所有框架所用。

        提供了用于处理列式数据的Java构建块,和Hadoop输入/输出格式工具,Pig储存/加载,并集成了Parquet格式转换工具( parquet-mr)。

        Parquet metadata is encoded using Apache Thrift.


© 著作权归作者所有

共有 人打赏支持
cloud-coder
粉丝 248
博文 191
码字总数 135000
作品 0
广州
架构师
深入分析Parquet列式存储格式

深入分析Parquet列式存储格式 作者 梁堰波 发布于 2015年8月7日 | 讨论 分享到: 微博 微信 Facebook Twitter 有道云笔记 邮件分享 稍后阅读 我的阅读清单 Parquet是面向分析型业务的列式存储...

openthings
2016/04/24
276
1
深入分析Parquet列式存储格式

原文地址 Parquet是面向分析型业务的列式存储格式,由Twitter和Cloudera合作开发,2015年5月从Apache的孵化器里毕业成为Apache顶级项目,最新的版本是1.8.0。 列式存储 列式存储和行式存储相...

枯藤KT
2016/10/11
21
0
网易视频云:新一代列式存储格式Parquet的最佳实践

网易视频云是网易打造的一款基于云计算的分布式多媒体处理集群和专业音视频技术,提供稳定流畅、低时延、高并发的视频直播、录制、存储、转码及点播等音视频的PaaS服务。本文由网易视频云的技...

网易视频云
2016/05/27
0
0
列式存储格式--Apache ORC

Apache ORC 文件格式是一种Hadoop生态圈中的列式存储格式,它的产生早在2013年初,最初产生自Apache Hive,用于降低Hadoop数据存储空间和加速Hive查询速度。 ORC(OptimizedRC File)存储源自...

匿名
2017/01/17
480
0
大数据存储格式-parquet

_hadooper
2015/09/20
556
1

没有更多内容

加载失败,请刷新页面

加载更多

Hanlp实战HMM-Viterbi角色标注中国人名识别

这几天写完了人名识别模块,与分词放到一起形成了两层隐马模型。虽然在算法或模型上没有什么新意,但是胜在训练语料比较新,对质量把关比较严,实测效果很满意。比如这句真实的新闻“签约仪式...

左手的倒影
4分钟前
0
0
页面平滑滚动的体验提升

scroll-behavior属性和JS scrollIntoView()方法 本身作为体验提升的手段,用 <a href="#" rel="internal">返回顶部</a> 兼容性就可以不用考虑太多 不支持就直接回去呗 用法: scroll-behavio...

红羊在厦门
5分钟前
0
0
Spring IOC 之 加载 Bean

这段代码是 Spring 中编程式使用 IOC 容器,通过这四段简单的代码,我们可以初步判断 IOC 容器的使用过程 获取资源 获取 BeanFactory 根据新建的 BeanFactory 创建一个BeanDefinitionReader对...

职业搬砖20年
8分钟前
0
0
Spring Cloud Eureka 常用配置及说明

配置参数 默认值 说明 服务注册中心配置 Bean类:org.springframework.cloud.netflix.eureka.server.EurekaServerConfigBean eureka.server.enable-self-preservation false 关闭注册中心的保......

君千殇520
10分钟前
0
0
如何通过Kibana,Wazuh和Bro IDS提高中小企业的威胁检测能力?

前言 近来,我们一直都在通过一些开源免费的工具,来帮助中小企业提升其网络威胁检测能力。在本文中,我们将手把手的教大家通过Kibana,Wazuh和Bro IDS来提高自身企业的威胁检测能力。 什么是...

刀剑如梦
14分钟前
0
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部