0003-如何在CDH中使用LZO压缩

1.问题描述

CDH中默认不支持Lzo压缩编码，须要下载额外的Parcel包，才能让Hadoop相关组件如HDFS，Hive，Spark支持Lzo编码。

具体请参考：

https://www.cloudera.com/documentation/enterprise/latest/topics/cm_mc_gpl_extras.html

https://www.cloudera.com/documentation/enterprise/latest/topics/cm_ig_install_gpl_extras.html#xd_583c10bfdbd326ba-3ca24a24-13d80143249--7ec6

首先我在没作额外配置的状况下，生成Lzo文件并读取。咱们在Hive中建立两张表，test_table和test_table2，test_table是文本文件的表，test_table2是Lzo压缩编码的表。以下：

create external table test_table(s1 string,s2 string)row format delimited fields terminated by '#'location '/lilei/test_table'; insert into test_table values('1','a'),('2','b'); create external table test_table2(s1 string,s2 string)row format delimited fields terminated by '#'location '/lilei/test_table2';

经过beeline访问Hive并执行上面命令：

查询test_table中的数据：

将test_table中的数据插入到test_table2，并设置输出文件为lzo压缩：

set mapreduce.output.fileoutputformat.compress.codec=com.hadoop.compression.lzo.LzoCodec;set hive.exec.compress.output=true;set mapreduce.output.fileoutputformat.compress=true;set mapreduce.output.fileoutputformat.compress.type=BLOCK; insert overwrite table test_table2 select * from test_table;

在Hive中执行报错以下：

Error:Error while processing statement: FAILED: Execution Error, return code 2 from org.apache.hadoop.hive.ql.exec.mr.MapRedTask (state=08S01,code=2)

经过Yarn的8088能够发现是由于找不到Lzo压缩编码：

Compression codec com.hadoop.compression.lzo.LzoCodec was not found.

2.解决办法

经过Cloudera Manager的Parcel页面配置Lzo的Parcel包地址：

注意：若是集群没法访问公网，须要提早下载好Parcel包并发布到httpd

下载->分配->激活

配置HDFS的压缩编码加入Lzo：

com.hadoop.compression.lzo.LzoCodeccom.hadoop.compression.lzo.LzopCodec

保存更改，部署客户端配置，重启整个集群。

等待重启成功：

再次插入数据到test_table2，设置为Lzo编码格式：

set mapreduce.output.fileoutputformat.compress.codec=com.hadoop.compression.lzo.LzoCodec;set hive.exec.compress.output=true;set mapreduce.output.fileoutputformat.compress=true;set mapreduce.output.fileoutputformat.compress.type=BLOCK; insert overwrite table test_table2 select * from test_table;

插入成功：

2.1 Hive验证

首先确认test_table2中的文件为Lzo格式：

在Hive的beeline中进行测试：

Hive基于Lzo压缩文件运行正常。

2.2 Spark SQL验证

var textFile=sc.textFile("hdfs://ip-172-31-8-141:8020/lilei/test_table2/000000_0.lzo_deflate") textFile.count() sqlContext.sql("select * from test_table2")

SparkSQL基于Lzo压缩文件运行正常。

醉酒鞭名马，少年多浮夸！ 岭南浣溪沙，呕吐酒肆下！挚友不愿放，数据玩的花！