ORC 文件存储格式

时间:2022-08-04 14:32:51

1、orc列式存储概念

ORC 文件存储格式

a)列式存储:orc并不是纯粹的列式存储,也是先基于行对数据表进行分组(行组),然后对行组进行列式存储。

b)查询数据的时候不需要扫描全部数据(磁盘IO),只需查询指定列即可。

c)orc对每一列提供了常规统计信息(min 、 max 、 sum等),加速查询。例如过滤条件f>10,如果当前分片的max小于10,则直接过滤掉这个分片。

d)每一列的数据都是同构的,因此压缩效率更高。

e)读写orc文件需要压缩、解压,需要消耗额外的cpu资源。

以上是orc文件格式的优劣点。

2、orc文件格式

ORC 文件存储格式

a)orc文件分层:orc -> stripe -> row group

b)orc索引分级:file level -> stripe level -> row group level

orc reader 根据 search arguments 判断是否可以跳过某些数据。

3、orc文件读写

orc append

a)How to append ORC file

参考:

orc文件存储格式