hadoop中4种压缩格式的特征的比较上课讲义.docVIP

转hadoop中4种压缩格式的特征的比较 1 gzip压缩 优点：压缩率比较高，而且压缩/解压速度也比较快；hadoop本身支持，在应用中处理gzip格式的文件就和直接处理文本一样；有hadoop native库；大部分linux系统都自带gzip命令，使用方便。 缺点：不支持split。 应用场景：当每个文件压缩之后在130M以内的（1个块大小内），都可以考虑用gzip压缩格式。譬如说一天或者一个小时的日志压缩成一个gzip 文件，运行mapreduce程序的时候通过多个gzip文件达到并发。hive程序，streaming程序，和java写的mapreduce程序完 全和文本处理一样，压缩之后原来的程序不需要做任何修改。 2 lzo压缩 优点：压缩/解压速度也比较快，合理的压缩率；支持split，是hadoop中最流行的压缩格式；支持hadoop native库；可以在linux系统下安装lzop命令，使用方便。 缺点：压缩率比gzip要低一些；hadoop本身不支持，需要安装；在应用中对lzo格式的文件需要做一些特殊处理（为了支持split需要建索引，还需要指定inputformat为lzo格式）。 应用场景：一个很大的文本文件，压缩之后还大于200M以上的可以考虑，而且单个文件越大，lzo优点越越明显。 3 snappy压缩 优点：高速压缩速度和合理的压缩率；支持hadoop native库。 缺点：不支持split；压缩率比gzip要低；hadoop本身不支持，需要安装；linux系统下没有对应的命令。 应用场景：当mapreduce作业的map输出的数据比较大的时候，作为map到reduce的中间数据的压缩格式；或者作为一个mapreduce作业的输出和另外一个mapreduce作业的输入。 4 bzip2压缩 优点：支持split；具有很高的压缩率，比gzip压缩率都高；hadoop本身支持，但不支持native；在linux系统下自带bzip2命令，使用方便。 缺点：压缩/解压速度慢；不支持native。 应用场景：适合对速度要求不高，但需要较高的压缩率的时候，可以作为mapreduce作业的输出格式；或者输出之后的数据比较大，处理之后的数据 需要压缩存档减少磁盘空间并且以后数据用得比较少的情况；或者对单个很大的文本文件想压缩减少存储空间，同时又需要支持split，而且兼容之前的应用程 序（即应用程序不需要修改）的情况。 最后用一个表格比较上述4种压缩格式的特征（优缺点）： 4种压缩格式的特征的比较 压缩格式 split native 压缩率 速度 是否hadoop自带 linux命令 换成压缩格式后，原来的应用程序是否要修改 gzip 否 是 很高 比较快 是，直接使用 有 和文本处理一样，不需要修改 lzo 是 是 比较高 很快 否，需要安装 有 需要建索引，还需要指定输入格式 snappy 否 是 比较高 很快 否，需要安装 没有 和文本处理一样，不需要修改 bzip2 是 否 最高 慢 是，直接使用 有 和文本处理一样，不需要修改 第二章：实数 一、基础测试 1．算术平方根：如果一个正数x 等于a，即x2=a，那么这个x正数就叫做a的算术平方根，记作　　　 ，0的算术平方根是　　　　。 2．平方根：如果一个数x的　　　　等于a,即x2=a那么这个数a就叫做x的平方根（也叫做二次方根式），正数a的平方根记作　　　　　．一个正数有　　　　平方根，它们　　　　　；0的平方根是　　　；负数　　　　平方根． 特别提醒：负数没有平方根和算术平方根． 3．立方根：如果一个数x的　　　　　等于a，即x3= a，那么这个数x就叫做a的立方根，记作 ．正数的立方根是　　　　　　，0的立方根是　　　　，负数的立方根是　　　　　　。 4、实数的分类 5．实数与数轴：实数与数轴上的点______________对应．