189 8069 5689

HadoopSequnceFile.Writer压缩模式及压缩库举例分析

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!

创新互联建站是专业的隆阳网站建设公司,隆阳接单;提供网站设计、成都网站设计,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行隆阳网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

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。这里是创新互联,小编将为大家推送更多相关知识点的文章,欢迎关注!


当前名称:HadoopSequnceFile.Writer压缩模式及压缩库举例分析
网站地址:http://jkwzsj.com/article/jdhcgo.html

其他资讯