0003-如何在CDH中使用LZO压缩

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

1.问题描述

CDH中默认不支持Lzo压缩编码，需要下载额外的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

首先我在没做额外配置的情况下，生成Lzo文件并读取。我们在Hive中创建两张表，test_table和test_table2，test_table是文本文件的表，test_table2是Lzo压缩编码的表。如下：

通过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：

在Hive中执行报错如下：

通过Yarn的8088可以发现是因为找不到Lzo压缩编码：

2.解决办法

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

注意：如果集群无法访问公网，需要提前下载好Parcel包并发布到httpd

下载->分配->激活

配置HDFS的压缩编码加入Lzo：

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：

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

SparkSQL基于Lzo压缩文件运行正常。

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。