# hive文件存儲格式
hive在建表是，可以通過‘STORED AS FILE_FORMAT’ 指定存儲文件格式
例如：
~~~
>?CREATE?EXTERNAL?TABLE?MYTEST(num?INT,?name?STRING)??
>?ROW?FORMAT?DELIMITED?FIELDS?TERMINATED?BY?'\t'??
>?STORED?AS?TEXTFILE??
>?LOCATION?'/data/test';??
~~~
指定文件存儲格式為“TEXTFILE”。
hive文件存儲格式包括以下幾類：
* TEXTFILE
* SEQUENCEFILE
* RCFILE
* 自定義格式
**TEXTFIEL**
默認格式，數據不做壓縮，磁盤開銷大，數據解析開銷大。
可結合Gzip、Bzip2使用（系統自動檢查，執行查詢時自動解壓），但使用這種方式，hive不會對數據進行切分，從而無法對數據進行并行操作。
實例：
~~~
> create table test1(str STRING)
> STORED AS TEXTFILE;
OK
Time taken: 0.786 seconds
#寫腳本生成一個隨機字符串文件，導入文件：
> LOAD DATA LOCAL INPATH '/home/work/data/test.txt' INTO TABLE test1;
Copying data from file:/home/work/data/test.txt
Copying file: file:/home/work/data/test.txt
Loading data to table default.test1
OK
Time taken: 0.243 seconds
~~~
**SEQUENCEFILE:**
SequenceFile是Hadoop API提供的一種二進制文件支持，其具有使用方便、可分割、可壓縮的特點。
SequenceFile支持三種壓縮選擇：NONE, RECORD, BLOCK。 Record壓縮率低，一般建議使用BLOCK壓縮。
示例：
~~~
> create table test2(str STRING)
> STORED AS SEQUENCEFILE;
OK
Time taken: 5.526 seconds
hive> SET hive.exec.compress.output=true;
hive> SET io.seqfile.compression.type=BLOCK;
hive> INSERT OVERWRITE TABLE test2 SELECT * FROM test1;
~~~
**RCFILE**
RCFILE是一種行列存儲相結合的存儲方式。首先，其將數據按行分塊，保證同一個record在一個塊上，避免讀一個記錄需要讀取多個block。其次，塊數據列式存儲，有利于數據壓縮和快速的列存取。RCFILE文件示例：
實例：
~~~
> create table test3(str STRING)
> STORED AS RCFILE;
OK
Time taken: 0.184 seconds
> INSERT OVERWRITE TABLE test3 SELECT * FROM test1;
~~~
**自定義格式**
當用戶的數據文件格式不能被當前 Hive 所識別的時候，可以自定義文件格式。
用戶可以通過實現inputformat和outputformat來自定義輸入輸出格式，參考代碼：
.\hive-0.8.1\src\contrib\src\java\org\apache\hadoop\hive\contrib\fileformat\base64
實例：
建表
~~~
> create table test4(str STRING)
> stored as
> inputformat 'org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextInputFormat'
> outputformat 'org.apache.hadoop.hive.contrib.fileformat.base64.Base64TextOutputFormat';
~~~
$ cat test1.txt?
aGVsbG8saGl2ZQ==
aGVsbG8sd29ybGQ=
aGVsbG8saGFkb29w
test1文件為base64編碼后的內容，decode后數據為：
hello,hive
hello,world
hello,hadoop
load數據并查詢：
~~~
hive> LOAD DATA LOCAL INPATH '/home/work/test1.txt' INTO TABLE test4;
Copying data from file:/home/work/test1.txt
Copying file: file:/home/work/test1.txt
Loading data to table default.test4
OK
Time taken: 4.742 seconds
hive> select * from test4;
OK
hello,hive
hello,world
hello,hadoop
Time taken: 1.953 seconds
~~~
**總結：**
相比TEXTFILE和SEQUENCEFILE，RCFILE由于列式存儲方式，數據加載時性能消耗較大，但是具有較好的壓縮比和查詢響應。數據倉庫的特點是一次寫入、多次讀取，因此，整體來看，RCFILE相比其余兩種格式具有較明顯的優勢。
