面试题库 › C++ / 后端 › ORC 与 Parquet 的压缩方式及分桶

ORC 与 Parquet 的压缩方式及分桶

难度 ★★☆在 1 场真实面经中被问到 方向:C++ / 后端考点:数仓与 OLAP

哪些公司问过

快手1

答案要点

  1. 两层压缩:先列级编码(字典、游程、位打包、增量),再用 Snappy、ZLIB/GZIP、ZSTD、LZ4 等通用算法
  2. ORC 结构为 stripe + 轻量索引 + 文件 footer;Parquet 为行组、列块、页,均在元数据中记录列统计
  3. codec 选型:Snappy/LZ4 解压快适合热数据,ZSTD/ZLIB 压缩率高适合冷数据;块内压缩不影响切分
  4. 分桶:按列哈希取模拆成固定数量文件,Hive 用 CLUSTERED BY ... INTO N BUCKETS,Spark 用 bucketBy
  5. 分桶收益:同列同桶数(或成倍数)的表可做分桶 join 避免 shuffle,还便于抽样和过滤

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题