Hadoop SequnceFile.Writer压缩模式及压缩库举例分析

发布时间:2021-12-09 17:29:38 作者:iii
来源:亿速云 阅读:160

这篇文章主要讲解了“Hadoop SequnceFile.Writer压缩模式及压缩库举例分析”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Hadoop SequnceFile.Writer压缩模式及压缩库举例分析”吧!

先说明SequnceFile的压缩类型(Compression Type)分为三种NONE,RECORD,BLOCK,通过配置项io.seqfile.compression.type指定:

            NONE, Do not compress records  即不压缩

            RECORD, Compress values only, each separately.   每条记录都对value进行一次压缩

            BLOCK, Compress sequences of records together in blocks.   块压缩,当缓存的key和value字节大小达到指定的阈值,则进行压缩,阈值由配置项io.seqfile.compress.blocksize指定,默认值为1000000字节

    RECORD,BLOCK使用的压缩算法是由创建SequnceFile.Writer 时指定的CompressionOption决定的, CompressionOption中CompressionCodec codec属性即为压缩编码器,  不指定时默认为org.apache.hadoop.io.compress.DefaultCodec 对应的底层压缩库为zlib, 除了DefaultCodec还有几个其他的CompressionCodec:GzipCodec  Lz4Codec  SnappyCodec   BZip2Codec 这里不做比较

    DefaultCodec在实现zlib压缩的时候,可以指定使用libhadoop.so(hadoop 框架提供的native库)或java.util.zip库。下面了解下如何开启hadoop native库或java zip库:

    SequnceFile 默认使用的是org.apache.hadoop.io.compress.DefaultCodec 压缩方式,使用的是Deflate的压缩算法

    DefaultCodec在创建压缩器时会执行类ZlibFactory.getZlibCompressor(conf)方法,实现代码片段:

    return (isNativeZlibLoaded(conf)) ?
      new ZlibCompressor(conf) :
      new BuiltInZlibDeflater(ZlibFactory.getCompressionLevel(conf).compressionLevel());

    当加载本地Zlib库时,使用的是ZlibCompressor压缩器类,否则使用BuiltInZlibDeflater类,BuiltInZlibDeflater类是调用java的java.util.zip.Inflater类实现;

    其中isNativeZlibLoaded是根据NativeCodeLoader类是否已经加载hadoop native库来判断的,代码如下:

// 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。

    总结:当无法加载本地的hadoop库,hadoop会使用java.util.zip.Inflater类来对SequnceFile进行压缩;当可以加载到本地hadoop库,则使用本地的库。

下面来比较实用native hadoop库和不使用native hadoop的性能区别。

不使用native hadoop即在jvm运行参数java.library.path中不包含native库的路径:

java.library.path=/usr/java/packages/lib/amd64:/usr/lib64:/lib64:/lib:/usr/lib

使用则在后面加上hadoop的native库路径:

java.library.path=/usr/java/packages/lib/amd64:/usr/lib64:/lib64:/lib:/usr/lib:$HADOOP_HOME/lib/native

虚拟机集群:

50w 数据,sequnceFile压缩模式为RECORD, key为随机的10字节,value为随机200字节:

    native lib disabled:    32689ms         after compression 114.07 MB 

    native lib enabled:   30625ms        after compression 114.07 MB

50w 数据,sequnceFile压缩模式为BLOCK, key为随机的10字节,value为随机200字节:

    native lib disabled:   11354ms       after compression 101.17 MB

    native lib enabled:    10699ms       after compression 101.17 MB

物理机集群:

50w 数据,sequnceFile压缩模式为RECORD, key为随机的10字节,value为随机200字节:

    native lib disabled:    21953ms         after compression 114.07 MB 

    native lib enabled:   24742ms        after compression 114.07 MB

100w 数据,sequnceFile压缩模式为RECORD, key为随机的10字节,value为随机200字节:

    native lib disabled:    48555ms         after compression 228.14 MB

    native lib enabled:   45770ms        after compression 228.14 MB

100w 数据,sequnceFile压缩模式为RECORD, key为随机的10字节,value为随机200字节, 设置zlib压缩级别为BEST_SPEED:

    native lib disabled:    44872ms         after compression 228.14 MB

    native lib enabled:  51582ms        after compression 228.14 MB

100w 数据,sequnceFile压缩模式为BLOCK, key为随机的10字节,value为随机200字节, 设置zlib压缩级别为BEST_SPEED:

    native lib disabled:    14374ms         after compression  203.54 MB

    native lib enabled:  14639ms        after compression   203.54 MB

100w 数据,sequnceFile压缩模式为BLOCK, key为随机的10字节,value为随机200字节, 设置zlib压缩级别为DEFAULT_COMPRESSION:

    native lib disabled:    15397ms         after compression  203.54 MB

    native lib enabled:  13669ms        after compression   203.54 MB

分析测试结果,总结如下:

当在不同的压缩模式,或不同的数据量,以及不同的zlib压缩级别时,使用hadoop native库压缩和使用java zip库之间没有太大差别

后续再尝试其他的native压缩编码方式: GzipCodec  Lz4Codec  SnappyCodec   BZip2Codec 

感谢各位的阅读,以上就是“Hadoop SequnceFile.Writer压缩模式及压缩库举例分析”的内容了,经过本文的学习后,相信大家对Hadoop SequnceFile.Writer压缩模式及压缩库举例分析这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!

推荐阅读:
  1. 十七、hadoop压缩相关
  2. Hadoop 3.0.0-alpha2安装(二)

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

hadoop

上一篇:hadoop中的recordreader和split以及block的关系是怎样的

下一篇:Golang IDE有哪些选择

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》