blocks|key|259654|text|Refer+here+for+Size+Difference+between+all+the+compress+&+uncompress|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|259655|259656|+ORC+:如果你在蜂巢中创建兽人表格，你不能从黑斑马中插入，所以你必须在黑斑马|ordered-list-item|259657|Avro中插入，然后刷新table_name+:据我所知，它与兽人|259658|拼图是一样的:你可以在蜂巢中创建一个表格，然后从黑斑马|259659|插入它。|259660|entityMap|0|LINK|mutability|MUTABLE|url|https://i.stack.imgur.com/SLLBr.png^0|0|1W|0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|V|8|@]|9|@$A|W|B|X|1|Y]]|C|$]]|$1|D|3|-4|5|6|7|Z|8|@]|9|@]|C|$]]|$1|E|3|F|5|G|7|10|8|@]|9|@]|C|$]]|$1|H|3|I|5|G|7|11|8|@]|9|@]|C|$]]|$1|J|3|K|5|G|7|12|8|@]|9|@]|C|$]]|$1|L|3|M|5|6|7|13|8|@]|9|@]|C|$]]|$1|N|3|-4|5|6|7|14|8|@]|9|@]|C|$]]]|O|$P|$5|Q|R|S|C|$T|U]]]]

<a href="https://i.stack.imgur.com/SLLBr.png" rel="nofollow noreferrer">Refer here for Size Difference between all the compress &amp; uncompress</a>

<ol>
<li>ORC: If you create ORC table in Hive you can't insert that from Impala, so you have to INSERT in Hive followed by REFRESH table_name in Impala</li>
<li>Avro: To my knowledge, it is same as ORC</li>
<li>Parquet: You can create a table in Hive and insert it from Impala</li>
</ol>

blocks|key|657266|text|这取决于你有什么类型的数据；文本通常压缩得很好，随机时间戳或浮点值就不那么好了。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|657267|看看最新的Apache+Big+Data会议上的this+presentation，特别是幻灯片15-16，其中显示了测试数据集上每列的压缩结果。|offset|length|657268|剩下的记者。是关于实木地板内部结构受压的理论与实践。|657269|entityMap|0|LINK|mutability|MUTABLE|url|https://www.slideshare.net/xhochy/apachecon-europe-big-data-2016-parquet-in-practice-detail^0|0|O|H|0|0|0^^$0|@$1|2|3|4|5|6|7|P|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|Q|8|@]|9|@$D|R|E|S|1|T]]|A|$]]|$1|F|3|G|5|6|7|U|8|@]|9|@]|A|$]]|$1|H|3|-4|5|6|7|V|8|@]|9|@]|A|$]]]|I|$J|$5|K|L|M|A|$N|O]]]]

It depends on what kind of data you have; text usually compresses very well, random timestamp or float values not so well.
Have a look at <a href="https://www.slideshare.net/xhochy/apachecon-europe-big-data-2016-parquet-in-practice-detail" rel="nofollow noreferrer">this presentation</a> from the latest Apache Big Data conference, especially slides 15-16 that shows the compression results per column on a test dataset. [The rest of the pres. is about the theory &amp; practice of compression applied to the Parquet internal structure]

blocks|key|259699|text|在我的例子中，压缩似乎增加了文件的大小。因此，它实质上使文件变得更大且不可读。如果不能完全理解并在小文件上使用拼图，那么它真的很糟糕。因此，如果可以的话，我建议您切换到avaro文件格式。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|259700|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|D|8|@]|9|@]|A|$]]|$1|B|3|-4|5|6|7|E|8|@]|9|@]|A|$]]]|C|$]]

In my case compression seemed to have increased the file size. So,it has essentially made the file larger and unreadable. Parquet if not fully understood and used on small files can really suck. So, I would advice you to switch to avaro file format if you can.

blocks|key|3740219|text|您可以尝试以下步骤在Spark中压缩拼图文件：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3740220|步骤1:设置压缩类型，配置spark.sql.parquet.compression.codec属性：|3740221|sqlContext.setConf("spark.sql.parquet.compression.codec"，“编解码器”)|3740222|步骤2:指定编解码器values.The支持的编解码值为:+uncompressed、gzip、lzo和snappy。默认值为gzip。|3740223|然后创建一个dataframe，比如Df+from+you+data，并使用下面的命令保存它:+Df.write.parquet("path_destination")如果你现在检查目标文件夹，你将会看到文件已经以你在上面步骤2中指定的压缩类型存储了。|3740224|有关更多详细信息，请参阅以下链接：https://www.cloudera.com/documentation/enterprise/5-8-x/topics/spark_parquet.html|offset|length|3740225|entityMap|0|LINK|mutability|MUTABLE|url|https://www.cloudera.com/documentation/enterprise/5-8-x/topics/spark_parquet.html^0|0|0|0|0|0|H|29|0|0^^$0|@$1|2|3|4|5|6|7|V|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|W|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|X|8|@]|9|@]|A|$]]|$1|F|3|G|5|6|7|Y|8|@]|9|@]|A|$]]|$1|H|3|I|5|6|7|Z|8|@]|9|@]|A|$]]|$1|J|3|K|5|6|7|10|8|@]|9|@$L|11|M|12|1|13]]|A|$]]|$1|N|3|-4|5|6|7|14|8|@]|9|@]|A|$]]]|O|$P|$5|Q|R|S|A|$T|U]]]]

You can try below steps to compress a parquet file in Spark:

Step 1:Set the compression type, configure the spark.sql.parquet.compression.codec property:

sqlContext.setConf("spark.sql.parquet.compression.codec","codec") 

Step 2:Specify the codec values.The supported codec values are: uncompressed, gzip, lzo, and snappy. The default is gzip.

Then create a dataframe,say Df from you data and save it using below command:
Df.write.parquet("path_destination")
If you check the destination folder now you will be albe to see that files have been stored with the compression type you have specified in the Step 2 above.

Please refer to the below link for more details:
<a href="https://www.cloudera.com/documentation/enterprise/5-8-x/topics/spark_parquet.html" rel="nofollow noreferrer">https://www.cloudera.com/documentation/enterprise/5-8-x/topics/spark_parquet.html</a>

What would be the most optimized compression logic for Parquet files when using in Spark? Also what would be the approximate size of a 1gb parquet file after compression with each compression type?

Parquet file compression

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

当在Spark中使用时，最优化的拼图文件压缩逻辑是什么？另外，在使用每种压缩类型压缩后，1 1gb拼图文件的大约大小是多少？

问拼图文件压缩
EN

回答 4

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问拼图文件压缩EN

回答 4

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问拼图文件压缩
EN