TextFile
RCFile
ORCFile
Parquet

TextFile 默认格式 不支持块压缩 ，数据不做压缩，磁盘开销大 

RCFile   Record Columnar , Hadoop第一个列文件格式。
通常写操作比较慢，比非列形式的文件格式需要更多的内存空间和计算量。

行列存储相结合 数据按行分块 保证同一个record在一个块上，避免读一个记录需要读取多个block。
块数据列式存储，有利于数据压缩和快速的列存取。


ORCFile  Optimized Row Columnar
rcfile的改良版本  更好的压缩 更快的查询

Parquet
很好的压缩和查询性能 支持有限的模式演进 ，写速度通常比较慢 
主要用在Cloudera Impala上


存储及查询比较

查询语句 
select count(*) from table_test
select name,sum(price) from table_test group by name

存储格式    占用空间(G)  压缩比(压缩后/压缩前) 查询1耗时(S) 查询2耗时
TextFile  15.1        1.00              118        217  
RCFile    12.3        0.8146            88         187
ORCFile   1.3         0.0861            33         33
Parquet   4.3         0.2848            40         71