您好,登錄后才能下訂單哦!
這篇文章主要講解了“Hadoop SequnceFile.Writer壓縮模式及壓縮庫舉例分析”,文中的講解內(nèi)容簡單清晰,易于學(xué)習(xí)與理解,下面請大家跟著小編的思路慢慢深入,一起來研究和學(xué)習(xí)“Hadoop SequnceFile.Writer壓縮模式及壓縮庫舉例分析”吧!
先說明SequnceFile的壓縮類型(Compression Type)分為三種NONE,RECORD,BLOCK,通過配置項(xiàng)io.seqfile.compression.type指定:
NONE, Do not compress records 即不壓縮
RECORD, Compress values only, each separately. 每條記錄都對value進(jìn)行一次壓縮
BLOCK, Compress sequences of records together in blocks. 塊壓縮,當(dāng)緩存的key和value字節(jié)大小達(dá)到指定的閾值,則進(jìn)行壓縮,閾值由配置項(xiàng)io.seqfile.compress.blocksize指定,默認(rèn)值為1000000字節(jié)
RECORD,BLOCK使用的壓縮算法是由創(chuàng)建SequnceFile.Writer 時(shí)指定的CompressionOption決定的, CompressionOption中CompressionCodec codec屬性即為壓縮編碼器, 不指定時(shí)默認(rèn)為org.apache.hadoop.io.compress.DefaultCodec 對應(yīng)的底層壓縮庫為zlib, 除了DefaultCodec還有幾個(gè)其他的CompressionCodec:GzipCodec Lz4Codec SnappyCodec BZip2Codec 這里不做比較
DefaultCodec在實(shí)現(xiàn)zlib壓縮的時(shí)候,可以指定使用libhadoop.so(hadoop 框架提供的native庫)或java.util.zip庫。下面了解下如何開啟hadoop native庫或java zip庫:
SequnceFile 默認(rèn)使用的是org.apache.hadoop.io.compress.DefaultCodec 壓縮方式,使用的是Deflate的壓縮算法
DefaultCodec在創(chuàng)建壓縮器時(shí)會(huì)執(zhí)行類ZlibFactory.getZlibCompressor(conf)方法,實(shí)現(xiàn)代碼片段:
return (isNativeZlibLoaded(conf)) ? new ZlibCompressor(conf) : new BuiltInZlibDeflater(ZlibFactory.getCompressionLevel(conf).compressionLevel());
當(dāng)加載本地Zlib庫時(shí),使用的是ZlibCompressor壓縮器類,否則使用BuiltInZlibDeflater類,BuiltInZlibDeflater類是調(diào)用java的java.util.zip.Inflater類實(shí)現(xiàn);
其中isNativeZlibLoaded是根據(jù)NativeCodeLoader類是否已經(jīng)加載hadoop native庫來判斷的,代碼如下:
// Try to load native hadoop library and set fallback flag appropriately if(LOG.isDebugEnabled()) { LOG.debug("Trying to load the custom-built native-hadoop library..."); } try { System.loadLibrary("hadoop"); LOG.debug("Loaded the native-hadoop library"); nativeCodeLoaded = true; } catch (Throwable t) { // Ignore failure to load if(LOG.isDebugEnabled()) { LOG.debug("Failed to load native-hadoop with error: " + t); LOG.debug("java.library.path=" + System.getProperty("java.library.path")); } } if (!nativeCodeLoaded) { LOG.warn("Unable to load native-hadoop library for your platform... " + "using builtin-java classes where applicable"); }
其中System.loadLibrary("hadoop"); 在linux上查找的就是libhadoop.so。
總結(jié):當(dāng)無法加載本地的hadoop庫,hadoop會(huì)使用java.util.zip.Inflater類來對SequnceFile進(jìn)行壓縮;當(dāng)可以加載到本地hadoop庫,則使用本地的庫。
下面來比較實(shí)用native hadoop庫和不使用native hadoop的性能區(qū)別。
不使用native hadoop即在jvm運(yùn)行參數(shù)java.library.path中不包含native庫的路徑:
java.library.path=/usr/java/packages/lib/amd64:/usr/lib64:/lib64:/lib:/usr/lib
使用則在后面加上hadoop的native庫路徑:
java.library.path=/usr/java/packages/lib/amd64:/usr/lib64:/lib64:/lib:/usr/lib:$HADOOP_HOME/lib/native
虛擬機(jī)集群:
50w 數(shù)據(jù),sequnceFile壓縮模式為RECORD, key為隨機(jī)的10字節(jié),value為隨機(jī)200字節(jié):
native lib disabled: 32689ms after compression 114.07 MB
native lib enabled: 30625ms after compression 114.07 MB
50w 數(shù)據(jù),sequnceFile壓縮模式為BLOCK, key為隨機(jī)的10字節(jié),value為隨機(jī)200字節(jié):
native lib disabled: 11354ms after compression 101.17 MB
native lib enabled: 10699ms after compression 101.17 MB
物理機(jī)集群:
50w 數(shù)據(jù),sequnceFile壓縮模式為RECORD, key為隨機(jī)的10字節(jié),value為隨機(jī)200字節(jié):
native lib disabled: 21953ms after compression 114.07 MB
native lib enabled: 24742ms after compression 114.07 MB
100w 數(shù)據(jù),sequnceFile壓縮模式為RECORD, key為隨機(jī)的10字節(jié),value為隨機(jī)200字節(jié):
native lib disabled: 48555ms after compression 228.14 MB
native lib enabled: 45770ms after compression 228.14 MB
100w 數(shù)據(jù),sequnceFile壓縮模式為RECORD, key為隨機(jī)的10字節(jié),value為隨機(jī)200字節(jié), 設(shè)置zlib壓縮級別為BEST_SPEED:
native lib disabled: 44872ms after compression 228.14 MB
native lib enabled: 51582ms after compression 228.14 MB
100w 數(shù)據(jù),sequnceFile壓縮模式為BLOCK, key為隨機(jī)的10字節(jié),value為隨機(jī)200字節(jié), 設(shè)置zlib壓縮級別為BEST_SPEED:
native lib disabled: 14374ms after compression 203.54 MB
native lib enabled: 14639ms after compression 203.54 MB
100w 數(shù)據(jù),sequnceFile壓縮模式為BLOCK, key為隨機(jī)的10字節(jié),value為隨機(jī)200字節(jié), 設(shè)置zlib壓縮級別為DEFAULT_COMPRESSION:
native lib disabled: 15397ms after compression 203.54 MB
native lib enabled: 13669ms after compression 203.54 MB
分析測試結(jié)果,總結(jié)如下:
當(dāng)在不同的壓縮模式,或不同的數(shù)據(jù)量,以及不同的zlib壓縮級別時(shí),使用hadoop native庫壓縮和使用java zip庫之間沒有太大差別
后續(xù)再嘗試其他的native壓縮編碼方式: GzipCodec Lz4Codec SnappyCodec BZip2Codec
感謝各位的閱讀,以上就是“Hadoop SequnceFile.Writer壓縮模式及壓縮庫舉例分析”的內(nèi)容了,經(jīng)過本文的學(xué)習(xí)后,相信大家對Hadoop SequnceFile.Writer壓縮模式及壓縮庫舉例分析這一問題有了更深刻的體會(huì),具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云,小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章,歡迎關(guān)注!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。