- TEXTFILE
- SEQUENCEFILE
- AVRO
- RCFILE
- ORC
- PARQUET
1 分类
面向行的：
TEXTFILE、SEQUENCEFLIE、AVRO
面向列的
RCFILE、ORC、PARQUET
2 两种分类的区别
面向行的不是最佳的文件格式，因为即便只查询一列数据，使用面向行存储的文件格式的表都要读取完整的一行数据。
面向列的可以很好的解决面向行存储的问题
3 每种文件格式的说明：
1 TEXTFILE
- 创建表的默认存储格式
- 存储为文本文件，可以被分割和并行处理
- 可以使用压缩：GZIP 、LZO、SNAPPY
2 SEQUENCEFILE
- key/value对的二进制存储格式
- 优点： 比textfile有更好的压缩，支持块压缩
3 AVRO
- 二进制格式文件
- 是一个序列化和反序列化的框架
4 RCFILE
- 先将表分为几个行组
- 对每个行组内的数据进行按列存储，每列数据都是分开存储，即先水平划分，再垂直划分
5 ORC
- 加强版的RCFILE，默认存储块256m
6 PARQUET
- 列式存储的文件格式，与ORC类似
- parquet支持的生态更广
hive表进行压缩是常见的优化手段，一些存储方式自带压缩选择。
压缩的优点：
减少存储磁盘空间，降低单节点的磁盘IO。由于压缩后的数据占用的带宽更少，因此可以加快数据在Hadoop集群流动的速度。
压缩的缺点：
需要花费的时间/CPU做数据的压缩和解压缩计算。
支持压缩后分割的方式优点：
可以分割的格式允许单一文件由多个mapper程序处理，可以更好的并行化。
1 SEQUENCEFILE 压缩选择：
NONE、RECORD、BLOCK
注：RECORD压缩率低，一般建议使用BLOCK压缩
2 ORC 压缩选择：
NONE、ZLIB(默认)、SNAPPY
3 PARQUET压缩选择：
SNAPPY(默认)，一般使用impala查询引擎时，选择该压缩类型
