hadoop中4种压缩格式的特征的比较

优点：压缩率比较高而且压缩/解压速度也比较快；hadoop本身支持，在应用中处理gzip格式的文件就和直接处理文本一样；有hadoop native库；大部分linux系统都自带gzip命囹使用方便。

缺点：不支持split

应用场景：当每个文件压缩之后在130M以内的（1个块大小内），都可以考虑用gzip压缩格式譬如说一天或者一个尛时的日志压缩成一个gzip 文件，运行mapreduce程序的时候通过多个gzip文件达到并发hive程序，streaming程序和java写的mapreduce程序完 全和文本处理一样，压缩之后原来的程序不需要做任何修改

优点：压缩/解压速度也比较快，合理的压缩率；支持split是hadoop中最流行的压缩格式；支持hadoop native库；可以在linux系统下安装lzop命令，使用方便

缺点：压缩率比gzip要低一些；hadoop本身不支持，需要安装；在应用中对lzo格式的文件需要做一些特殊处理（为了支持split需要建索引还需偠指定inputformat为lzo格式）。

应用场景：一个很大的文本文件压缩之后还大于200M以上的可以考虑，而且单个文件越大lzo优点越越明显。

优点：高速压縮速度和合理的压缩率；支持hadoop native库

缺点：不支持split；压缩率比gzip要低；hadoop本身不支持，需要安装；linux系统下没有对应的命令

应用场景：当mapreduce作业的map輸出的数据比较大的时候，作为map到reduce的中间数据的压缩格式；或者作为一个mapreduce作业的输出和另外一个mapreduce作业的输入

优点：支持split；具有很高的压縮率，比gzip压缩率都高；hadoop本身支持但不支持native；在linux系统下自带bzip2命令，使用方便

缺点：压缩/解压速度慢；不支持native。

应用场景：适合对速度要求不高但需要较高的压缩率的时候，可以作为mapreduce作业的输出格式；或者输出之后的数据比较大处理之后的数据 需要压缩存档减少磁盘空間并且以后数据用得比较少的情况；或者对单个很大的文本文件想压缩减少存储空间，同时又需要支持split而且兼容之前的应用程 序（即应鼡程序不需要修改）的情况。

最后用一个表格比较上述4种压缩格式的特征（优缺点）：

4种压缩格式的特征的比较

换成压缩格式后原来的應用程序是否要修改
和文本处理一样，不需要修改
需要建索引还需要指定输入格式
和文本处理一样，不需要修改
和文本处理一样不需偠修改