Apache ORC
Apache ORC (Optimized Row Columnar) est un format de stockage de données orienté colonne libre et à code source ouvert de l'écosystème Apache Hadoop. Il est similaire aux autres formats de fichiers de stockage en colonnes disponibles dans l'écosystème Hadoop, tels que RCFile et Parquet. Il est compatible avec la plupart des infrastructures de traitement de données de l'environnement Hadoop .
| Développé par | Apache Software Foundation |
|---|---|
| Première version | [1] |
| Dernière version | 1.6.7 ()[2] |
| DĂ©pĂ´t | gitbox.apache.org/repos/asf/orc.git |
| Écrit en | C++ et Java |
| Type |
Format de fichier (en) Format de sérialisation de données (d) Projet de la fondation Apache (d) |
| Licence | Licence Apache version 2.0 |
| Site web | orc.apache.org |
En , Hortonworks a annoncé le format de fichier Optimized Row Columnar (ORC) en collaboration avec Facebook. Un mois plus tard, le format Apache Parquet était annoncé, développé par Cloudera et Twitter[3].
Comparaison
Apache ORC est comparable aux formats de fichier tels RCFile et Parquet - les trois font partie de la catégorie de stockage de données en colonnes dans l'écosystème Hadoop. Ils ont tous une meilleure compression et un meilleur encodage avec des performances de lecture améliorées au prix d'écritures plus lentes.
Notes et références
- (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Apache ORC » (voir la liste des auteurs).
- « https://projects.apache.org/json/projects/orc.json » (consulté le )
- (en) « ORC 1.6.7 Released », (consulté le )
- Justin Kestelyn, « Introducing Parquet: Efficient Columnar Storage for Apache Hadoop », Cloudera blog, (consulté le )