orc

1熱

1答えて

Apache FlinkでBucketingSinkを使ってORCファイルに書き込む方法は？

私はkafkaメッセージを読み込み、AWS s3のORCファイルにメッセージをダンプするFlinkストリーミングプログラムに取り組んでいます。私は、FlinkのBucketingSinkとORCファイルライターの統合に関する文書はないことを発見しました。このようなORCファイルライタの実装はBucketingSinkで使用できません。ここには何か考えがありますか？

0熱

1答えて

ハイブは、私がORCファイルに保存されたハイブのテーブルを持っている

が、これは「作成」コマンドで定義されORC表の列に置き換えます。 ROW FORMAT SERDE 'org.apache.hadoop.hive.ql.io.orc.OrcSerde' STORED AS INPUTFORMAT 'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat' OUTPUTFORMAT 'org

0熱

1答えて

ORCと寄木張りの文字列型の長さの制限

ORCと寄木張りの形式を使用して長いテキストを格納するための適切なデータ型は何ですか？これらの2つのフォーマットのいずれかに、デフォルトの文字列タイプの長さ/サイズの制限がありますか？ありがとうございました。

2熱

2答えて

エグゼクティブではないドライバのspark reading orcファイル

s3には30GBのORCファイル（24パーツ* 1.3G）があります。私はこのorcを読んでいくつかの操作を行うためにsparkを使用しています。しかし、私が観察したログからは、操作を行う前でさえ、スパークはs3 （全ファイルを読むのに12分かかります）から24部すべてを開いて読んでいます。。しかし、ここで私の懸念は、このすべての読み取り操作は、ドライバとエグゼキュータのすべてがアイドルであるが現

1熱

1答えて

スパークバケット化とcollect_set集約

私はSpark-2.2を使用しています。私はSparkのバケツをPocingしています。私はバケット表を作成しましたは、ここdesc formatted my_bucketed_tbl出力です： +--------------------+--------------------+-------+ | col_name| data_type|comment| +----------

0熱

1答えて

Partitioned Hive ORCテーブルの複数のORCファイル（各パーティションに属する）を単一の大きなORCファイルに結合する方法

私はHiveにパーティション化されたORCテーブルを持っています。すべての可能なパーティションをテーブルにロードした後、私はHDFSを取得します。複数のORCファイル、つまりHDFSの各パーティションディレクトリにはORCファイルがあります。いくつかのユースケースでは、各パーティションの下にあるこれらのORCファイルをすべて1つの大きなORCファイルに結合する必要があります。私は、これらの複数の

0熱

1答えて

データレベルのOrcファイルがストライプレベルでない

データレベルでマージを行い、ストライプ数を減らしたいとします。これは、私はファイルが毎時処理され、多くの小さなORCファイルがパーティションごとに作成されているためです。私はハイブ連結がストライプレベルでファイルをマージできることを知っています。私が連結すると、ファイルのマージはストライプレベルでのみ起こり、多くのストライプが追加されています。私はわずか2-3行の複数のストライプを持つことになりま

1熱

1答えて

私は以下のようにS3にデータフレームと格納を作成pysparkジョブ実行しているよアテナ

にスパークデータフレームをエクスポート： df.write.saveAsTable(table_name, format="orc", mode="overwrite", path=s3_path) を私はちょうどspark.read.orc(s3_path)を使用することにより、問題なくorcfileを読んで、そうありますすることができますorcファイル内のスキーマ情報。しかし、私は本当に

1熱

1答えて

Apache pig - ベストハイブファイルフォーマット

誰かが、ハイブのどのファイルfomatsがHCatalogを使ってpigScriptで使用するのが効率的であるかを説明できますか？現在、私たちは日付に基づいてパーティション化されたハイブテーブルを持っており、基礎となるファイルはシーケンシャルファイルなので、どのハイブファイルフォーマットが効率的であるかを理解したいと思います。 80日間のデータを読むと、およそ70,000のマッパーが作成されます

6熱

1答えて

Spark ORCインデックスはどのように使用しますか？

orcのインデックス作成を有効にするオプションは何ですか？ df .write() .option("mode", "DROPMALFORMED") .option("compression", "snappy") .mode("overwrite") .format("orc") .option("index