[hadoop3.x系列]Hadoop常用文件存储格式及BigData File Viewer工具的使用(三)

前言

目前博客Hadoop文章大都停留在Hadoop2.x阶段，本系列对2.x没有的新特性进行补充更新，一键三连加关注，下次不迷路！

历史文章

[hadoop3.x系列]HDFS REST HTTP API的使用(一)WebHDFS

[hadoop3.x系列]HDFS REST HTTP API的使用(二)HttpFS

🍑Hadoop常用文件存储格式

传统系统常见文件存储格式

在Windows有很多种文件格式，例如：JPEG文件用来存储图片、MP3文件用来存储音乐、DOC文件用来存储WORD文档。每一种文件存储某一类的数据，例如：我们不会用文本来存储音乐、不会用文本来存储图片。windows上支持的存储格式是非常的多。

文件系统块大小

l 在服务器/电脑上，有多种块设备（Block Device），例如：硬盘、CDROM、软盘等等。

l 每个文件系统都需要将一个分区拆分为多个块，用来存储文件。不同的文件系统块大小不同。

[root@node1 ~]# stat -f . File: “.” ID: fd0000000000 Namelen: 255 Type: xfsBlock size: 4096 Fundamental block size: 4096Blocks: Total: 15144730 Free: 11924333 Available: 11924333Inodes: Total: 30304256 Free: 30139006

例如：我们看到该文件系统的块大小为：4096字节 = 4KB。如果我们需要在磁盘中存储5个字节的数据，也会占据4096字节的空间。

Hadoop中文件存储格式

接下来，我们要讲解的是在Hadoop中的数据存储格式。Hadoop上的文件存储格式，肯定不会像Windows这么丰富，因为目前我们用Hadoop来存储、处理数据。我们不会用Hadoop来听歌、看电影、或者打游戏。J

l 文件格式是定义数据文件系统中存储的一种方式，可以在文件中存储各种数据结构，特别是Row、Map，数组以及字符串，数字等。

l 在Hadoop中，没有默认的文件格式，格式的选择取决于其用途。而选择一种优秀、适合的数据存储格式是非常重要的。

l 后续我们要学习的，使用HDFS的应用程序（例如MapReduce或Spark）性能中的最大问题、瓶颈是在特定位置查找数据的时间和写入到另一个位置的时间，而且管理大量数据的处理和存储也很复杂（例如：数据的格式会不断变化，原来一行有12列，后面要存储20列）。

l Hadoop文件格式发展了好一段时间，这些文件存储格式可以解决大部分问题。我们在开发大数据中，选择合适的文件格式可能会带来一些明显的好处：

1. 可以保证写入的速度

2. 可以保证读取的速度

3. 文件是可被切分的

4. 对压缩支持友好

5. 支持schema的更改

l 某些文件格式是为通用设计的（如MapReduce或Spark），而其他文件则是针对更特定的场景，有些在设计时考虑了特定的数据特征。因此，确实有很多选择。

每种格式都有优点和缺点，数据处理的不同阶段可以使用不同的格式才会更有效率。通过选择一种格式，最大程度地发挥该存储格式的优势，最小化劣势。

🍑 BigData File Viewer工具

介绍

l 一个跨平台（Windows，MAC，Linux）桌面应用程序，用于查看常见的大数据二进制格式，例如Parquet，ORC，AVRO等。支持本地文件系统，HDFS，AWS S3等。

github地址：https://github.com/Eugene-Mark/bigdata-file-viewer

功能清单

l 打开并查看本地目录中的Parquet，ORC和AVRO，HDFS，AWS S3等。

l 将二进制格式的数据转换为文本格式的数据，例如CSV

l 支持复杂的数据类型，例如数组，映射，结构等

l 支持Windows，MAC和Linux等多种平台

式的数据，例如CSV

l 支持复杂的数据类型，例如数组，映射，结构等

l 支持Windows，MAC和Linux等多种平台

l 代码可扩展以涉及其他数据格式

后记

📢博客主页：https://manor.blog.csdn.net
📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！
📢本文由 manor 原创，首发于 CSDN博客🙉