如何根据大小分割orc文件？

4ktjp1zp 于 2021-06-02 发布在 Hadoop

关注(0)|答案(1)|浏览(583)

我有一个要求，我想把5gb的orc文件分成5个文件，每个1 gb大小。orc文件是可拆分的。这是不是意味着我们只能一条一条地分割文件？但我有一个要求，我想分裂兽人的大小为基础的文件。例如，将5gb orc文件拆分为5个文件，每个文件大小为1 gb。如果可能，请分享例子。

1条答案

这是一种常见的方法，考虑到您的文件大小可以是5gb、100gb、1tb、100tb等。您可能希望挂载一个指向此文件的配置单元表，并定义一个指向不同目录的多个表，然后使用配置单元提供的insert语句从一个表到另一个表运行insert。
在脚本的开头，请确保具有以下配置单元标志：

set hive.merge.mapredfiles=true;
set hive.merge.mapfiles=true;
set hive.merge.smallfiles.avgsize=1073741824;
set hive.merge.size.per.task=1073741824;

这样，每个减速器的平均输出将 1073741824 Bytes 等于 1GB .
如果只想使用java代码，请使用以下标志：

mapred.max.split.size
mapred.min.split.size

请检查这些，它们非常有用：
拆分大小与块大小
最小拆分大小