S3上的LZO文件问题

Question

我在HDFS中有3个LZO压缩文件和它们对应的索引文件。

Permission  Owner   Group   Size    Replication Block Size  Name
-rw-r--r--  alum    supergroup  0 B 3   128 MB  _SUCCESS
-rw-r--r--  alum    supergroup  192.29 MB   3   128 MB  part-00000.lzo
-rw-r--r--  alum    supergroup  89.56 KB    3   128 MB  part-00000.lzo.index
-rw-r--r--  alum    supergroup  243.09 MB   3   128 MB  part-00001.lzo
-rw-r--r--  alum    supergroup  106.67 KB   3   128 MB  part-00001.lzo.index
-rw-r--r--  alum    supergroup  163.99 MB   3   128 MB  part-00002.lzo
-rw-r--r--  alum    supergroup  70.54 KB    3   128 MB  part-00002.lzo.index

我们将这些文件复制到亚马逊S3，并创建了用于分析的配置单元外部表。

这是我们面临的问题，

1) LZO index files are also being treated as data files and meaningless data appears in hive tables
2) "count(*)" query on the table spans only 4 mappers. Indicating problem in splitting.

你能告诉我S3是怎么回事吗？它在我们的纱线集群中工作得很好。

Answer 1

s3的处理方式与HDFS不同。不需要像在HDFS中那样应用分割逻辑。请记住，s3是云存储，而不是本地存储。在s3中，您的文件不会以块的形式存在。这是意料之中的行为。