基于HBASE的大數(shù)據(jù)壓縮算法的研究

陳潔　陳冬杰　黃幫明

摘要：近年來，社交網(wǎng)絡、電子商務、網(wǎng)絡游戲、在線視頻等，新一代大規(guī)模互聯(lián)網(wǎng)應用迅猛發(fā)展。這些新興的應用出現(xiàn)了數(shù)據(jù)存儲量大、業(yè)務增長速度快等特點。該文將總體分析HBASE 中支持的壓縮算法，并對這兩種壓縮算法做對比，對以后的建設提供了指導作用。對于大數(shù)據(jù)時代的到來，如何提高查詢時間和存儲容量、系統(tǒng)的穩(wěn)定性和使用廉價的硬件設備，研究壓縮算法具有重要的現(xiàn)實意義。

關鍵詞：壓縮算法； HBASE ；列存儲

中圖分類號：TP302.7 文獻標識碼：A 文章編號：1009-3044（2014）13-3146-02

Research on HBASE Based Big Data Compression Algorithm

CHEN Jie1，CHEN Dong-jie2，HUANG Bang-ming2

（1.Chongqing University of Posts and Telecommun-ications， Chongqing 400064， China； 2.China Mobile Group Design Institute Co.，Ltd，Chongqing 400042， China）

Abstract：In recent years， social networking， e-commerce， online games， online video， etc.， the rapid development of a new generation of large-scale Internet applications. These emerging applications appeared in data storage capacity， fast business growth characteristics. This article analyzes the overall compression algorithm HBASE supported， and these two compression algorithms do comparison on future construction provides a guiding role. For the arrival of the era of big data， how to improve the query time and storage capacity， the system's stability and the use of inexpensive hardware device， the compression algorithm research has important practical significance.

Key words：compression algorithm； HBASE； column-oriented

1 概述

隨著信息化技術的飛速發(fā)展與人們對網(wǎng)絡的需求，各種系統(tǒng)數(shù)據(jù)量也越來越大，存儲空間也不斷的增加，對后期的建設和維護也帶來了極大的影響。由于數(shù)據(jù)庫太大，導致該數(shù)據(jù)庫備份時間長，嚴重影響系統(tǒng)運行的穩(wěn)定性；由于數(shù)據(jù)庫太大，盡管這個時候數(shù)據(jù)庫磁盤空間也大大提高了，但仍然無法跟上數(shù)據(jù)增長的速度，而其隨著數(shù)據(jù)量的增大，數(shù)據(jù)的查詢與存儲效率也越來越低。為了提高數(shù)據(jù)庫的性能，如何改進數(shù)據(jù)庫查詢效率的同時也越來越關注如何將數(shù)據(jù)壓縮技術應用到數(shù)據(jù)庫系統(tǒng)中。面臨大數(shù)據(jù)時代，引起數(shù)據(jù)庫太大，因此必須采用數(shù)據(jù)壓縮技術，對數(shù)據(jù)進行壓縮存儲，解決目前由大數(shù)據(jù)引起地各種問題。壓縮技術主要是減少文件所占的存儲空間，并且要求壓縮過程中不丟失信息。不丟失信息也就是經(jīng)解壓縮文件與壓縮之前的文件完全相同。該文介紹了HBASE ，主要介紹HBASE 中支持的壓縮算法。并對其中的壓縮算法進行了對比分析，并得出結果。

2 HBASE 概述

HBASE是Apache的Hadoop項目的子項目[1]。HBASE 是一個開源的、分布式的、面向列的存儲系統(tǒng)。HBASE 是Google Bigtable的開源實現(xiàn)，類似Google Bigtable利用GFS作為其文件存儲系統(tǒng)，HBASE 利用Hadoop HDFS作為其文件存儲系統(tǒng)；Google運行MapReduce來處理Bigtable中的海量數(shù)據(jù)，然而HBASE 同樣利用Hadoop MapReduce來處理HBASE 中的海量數(shù)據(jù)；Google Bigtable利用 Chubby作為協(xié)同服務，然而HBASE 利用Zookeeper作為對應協(xié)調系統(tǒng)。HBASE [2]是一個面向列、可伸縮的、以鍵值對形式來存儲數(shù)據(jù)的分布式存儲系統(tǒng)，是Google的Big-table[3]的一種開源實現(xiàn)，它與傳統(tǒng)的關系型數(shù)據(jù)庫模型不一樣。HBASE 是Hadoop的一個子項目，它是在HDFS[4]之上開發(fā)的面向列的分布式數(shù)據(jù)庫，可用于實時地隨機讀寫大規(guī)模數(shù)據(jù)集。并且利用HBASE 可搭建起大規(guī)模結構化存儲集群在廉價PC Sever上。當用戶由關系數(shù)據(jù)庫向HBASE 遷移時就不必對程序重新修改，因此降低了遷移成本，能促進HBASE 發(fā)展且具有現(xiàn)實應用價值。HBASE 不同于傳統(tǒng)的關系數(shù)據(jù)庫，采用基于列的存儲而不是基于行的存儲模式。在基于列存儲的數(shù)據(jù)庫的數(shù)據(jù)表中，數(shù)據(jù)表中的每列單獨存放在相鄰的物理單元；這樣查詢時只需要訪問涉及的列，不需要將整行數(shù)據(jù)都進行讀取處理，大大降低系統(tǒng)的I/O開銷；讀取每列時可以由一個線程進行處理完成，同時也支持讀取并發(fā)處理。

3 壓縮算法

壓縮算法分為無損壓縮和有損壓縮。兩者相比，無損壓縮比不高，但是它100%的保存了原始信息。無損壓縮從壓縮模型上主要分為基于統(tǒng)計的壓縮算法和基于字典的壓縮算法?；谧值鋲嚎s算法主要有LZ77[4]算法、LZ78[5]算法、LZW[6]算法、LZSS[7]算法?；诮y(tǒng)計壓縮算法主要有香濃-凡諾編碼（Shanno-Fano）、游程長度編碼（RLC）、哈夫曼編碼（Huffman）、動態(tài)哈夫曼、算術編碼。目前HBASE 支持的壓縮算法主要有Gzip[8]和LZO [9]。endprint

3.1 Gzip壓縮算法

采用Gzip 算法對大數(shù)據(jù)進行壓縮，在壓縮過程中首先使用LZ77算法，再使用Huffman編碼。LZ77算法的核心思想主要通過相同內容的替換來實現(xiàn)。如果文件中有兩塊內容相同，那么只要知道前一塊的位置和大小，我們就可以簡單表達確定后一塊內容的相關信息。后一塊信息（a，b）可以這樣表示，a表示兩者之間的距離，b表示相同內容的長度。當這一對信息（a，b）的大小小于被替換內容的大小，這樣文件就得到壓縮。Huffman編碼的壓縮原理：把文件中某段位長的值看作是符號。根據(jù)這些符號在文件中出現(xiàn)的頻率，再對這些符號進行重新編碼。按照這樣的算法編碼，文件的一些部分位數(shù)變少了然而一些部分位數(shù)變多了，因為變小的部分大于變大的部分，所以整個數(shù)據(jù)因此得到壓縮。

3.2 LZO壓縮算法

LZO是Lempel-Ziv-Oberhumer的縮寫，LZO是基于LZSS算法是一種無損算法。LZO與Gzip不同在于解壓速度，LZO在快速解壓表現(xiàn)尤為明顯。LZO和LZ77算法類似也是基于字典思想的一種壓縮算法，同時使用固定長度滑動窗口用來緩存字典信息，所以LZO的編碼也是需要使用一個偏移量，重復長度期待當前字符串。但是LZO與LZ77有一些區(qū)別， LZO的編碼中沒有了LZ77編碼的第3項：新字符，當壓縮字符與滑動窗體的字典信息沒有匹配時使用一個標志位加字符內容標示而不是一個三元組；還有 LZ77使用的是固定的壓縮長度，LZO的壓縮長度是可變的，范圍在13個字節(jié)和4096字節(jié)之間，最后一點是LZ77壓縮時需要滑動窗口內對待壓縮數(shù)據(jù)做最大壓縮匹配字符串的搜索，滑動窗口越大搜索消耗的時間也就越大，這是LZ77算法壓縮很慢的原因之一，在LZO算法放棄最大壓縮匹配字符串的搜索，而是使用的哈希映射的查找方式查找匹配的字符串[10]。

4 算法的分析與比較

數(shù)據(jù)壓縮的性能指標主要有：壓縮率、壓縮速度、解壓速度、壓縮時間。衡量壓縮空間上的變量主要指標是壓縮率。同時壓縮時間是衡量數(shù)據(jù)壓縮性能的一個很重要的指標。對于大數(shù)據(jù)的特點，在這里主要討論壓縮率。壓縮率與壓縮速度公式如下：

[壓縮率=][壓縮之后數(shù)據(jù)大小原始數(shù)據(jù)大小]，[壓縮速度=原始數(shù)據(jù)大小壓縮時間]

通過多次測試求平均值的方法得出壓縮率[f]，對于定量的文件[A]大小進行壓縮。[T1]表示第一次對文件大小進行壓縮時得出的壓縮結果，[Tn]表示第n次文件進行壓縮取得的壓縮結果。

[f1] 根據(jù)第一次壓縮求到的壓縮率[f1=AT1]，第n次的壓縮率為[fn=ATn]，由此可以通過多次測試得出壓縮率[f=] [f1+f2+.....fnn]。為了比較兩種壓縮的效果，采用定量的數(shù)據(jù)壓縮。通過測試得以下數(shù)據(jù)。

表1 測試數(shù)據(jù)結果

[壓縮算法＼&原始文件GB＼&壓縮后文件GB＼&壓縮速度MB/S＼&壓縮率%＼&Gzip＼&16.6＼&3.6＼&17.5＼&21.5＼&LZO＼&16.6＼&5.8＼&49.3＼&35.1＼&]

從以上測試數(shù)據(jù)可知：當文件大小與硬件設備相同條件下，Gzip壓縮率優(yōu)于LZO壓縮，但是壓縮速度上LZO壓縮更為突出。在空間和時間性能的限制中，Gzip的壓縮率較低，壓縮效果好，LZO壓縮速度快。根據(jù)不同的需求可以選擇不同的壓縮，當對空間要求較高將采用Gzip壓縮，當對時間要求比較嚴格可采用LZO壓縮。

5 總結

本文對HBASE中支持的兩種算法進行了比較、分析，并得出結果。在不同的場景根據(jù)需求將選擇不同的算法。如果在要求讀取壓縮文件時，將進一步考慮解壓速度。大數(shù)據(jù)如此重要，以至于其獲取、儲存、查詢、共享、分析，數(shù)據(jù)挖掘乃至可視化地呈現(xiàn)，都成為了當前重要的研究課題。

未來的工作中，我們將會對如何對大數(shù)據(jù)挖掘、分析用戶行為展開進一步地研究，以提高信息的可用性與有效性。同時，進一步研究如何規(guī)劃大數(shù)據(jù)存儲策略，是未來大數(shù)據(jù)挑戰(zhàn)的工作之一。

參考文獻：

[1] HBASE.http：//HBASE.apache.org/[EB/OL].[2011-02-16].

[2] HBASE ：bigtable-like structured storage for hadoop hdfs[EB/OL].http：/hadoop.apache.org/HBASE /，2010

[3] Fan Chang， Jeffrey Dean ， Sanjay Chemawat，et al.Bigtable：a distributed storage system for structured data[C].Proceedings of 7 th USENIX Symposium on Operating Systems Design and Implementation，Seattle，W A，USE：USENIX Association，2006：205-218.

[4] Shvachko K V. HDFS Scalability： The limits to growth[J].login，2010，35（2）：6-16.

[5] Wolff F G，Papachristou C.Multiscan-based test compression and hardware decompression using LZ77[C]//Test Conference， 2002. Proceedings. International.IEEE，2002： 331-339.

[6] Li M，Zhu Y.Image classification via LZ78 based string kernel： a comparative study[C]//Advances in knowledge discovery and data mining.Springer Berlin Heidelberg，2006：704-712.

[7] Nelson M R.LZW data compression[J].Dr. Dobb's Journal，1989，14（10）：29-36.

[8] Wiseman Y.The relative efficiency of data compression by LZW and LZSS[J].Data Science Journal，2007，6：1-6.

[9] Gailly J L， Adler M. gzip：The compressor data[J].2011.

[10] 羅燕新.基于HBASE的列存儲壓縮算法的研究與實現(xiàn)[D].華南理工大學， 2011.endprint

3.1 Gzip壓縮算法

采用Gzip 算法對大數(shù)據(jù)進行壓縮，在壓縮過程中首先使用LZ77算法，再使用Huffman編碼。LZ77算法的核心思想主要通過相同內容的替換來實現(xiàn)。如果文件中有兩塊內容相同，那么只要知道前一塊的位置和大小，我們就可以簡單表達確定后一塊內容的相關信息。后一塊信息（a，b）可以這樣表示，a表示兩者之間的距離，b表示相同內容的長度。當這一對信息（a，b）的大小小于被替換內容的大小，這樣文件就得到壓縮。Huffman編碼的壓縮原理：把文件中某段位長的值看作是符號。根據(jù)這些符號在文件中出現(xiàn)的頻率，再對這些符號進行重新編碼。按照這樣的算法編碼，文件的一些部分位數(shù)變少了然而一些部分位數(shù)變多了，因為變小的部分大于變大的部分，所以整個數(shù)據(jù)因此得到壓縮。

3.2 LZO壓縮算法

LZO是Lempel-Ziv-Oberhumer的縮寫，LZO是基于LZSS算法是一種無損算法。LZO與Gzip不同在于解壓速度，LZO在快速解壓表現(xiàn)尤為明顯。LZO和LZ77算法類似也是基于字典思想的一種壓縮算法，同時使用固定長度滑動窗口用來緩存字典信息，所以LZO的編碼也是需要使用一個偏移量，重復長度期待當前字符串。但是LZO與LZ77有一些區(qū)別， LZO的編碼中沒有了LZ77編碼的第3項：新字符，當壓縮字符與滑動窗體的字典信息沒有匹配時使用一個標志位加字符內容標示而不是一個三元組；還有 LZ77使用的是固定的壓縮長度，LZO的壓縮長度是可變的，范圍在13個字節(jié)和4096字節(jié)之間，最后一點是LZ77壓縮時需要滑動窗口內對待壓縮數(shù)據(jù)做最大壓縮匹配字符串的搜索，滑動窗口越大搜索消耗的時間也就越大，這是LZ77算法壓縮很慢的原因之一，在LZO算法放棄最大壓縮匹配字符串的搜索，而是使用的哈希映射的查找方式查找匹配的字符串[10]。

4 算法的分析與比較

數(shù)據(jù)壓縮的性能指標主要有：壓縮率、壓縮速度、解壓速度、壓縮時間。衡量壓縮空間上的變量主要指標是壓縮率。同時壓縮時間是衡量數(shù)據(jù)壓縮性能的一個很重要的指標。對于大數(shù)據(jù)的特點，在這里主要討論壓縮率。壓縮率與壓縮速度公式如下：

[壓縮率=][壓縮之后數(shù)據(jù)大小原始數(shù)據(jù)大小]，[壓縮速度=原始數(shù)據(jù)大小壓縮時間]

通過多次測試求平均值的方法得出壓縮率[f]，對于定量的文件[A]大小進行壓縮。[T1]表示第一次對文件大小進行壓縮時得出的壓縮結果，[Tn]表示第n次文件進行壓縮取得的壓縮結果。

[f1] 根據(jù)第一次壓縮求到的壓縮率[f1=AT1]，第n次的壓縮率為[fn=ATn]，由此可以通過多次測試得出壓縮率[f=] [f1+f2+.....fnn]。為了比較兩種壓縮的效果，采用定量的數(shù)據(jù)壓縮。通過測試得以下數(shù)據(jù)。

表1 測試數(shù)據(jù)結果

[壓縮算法＼&原始文件GB＼&壓縮后文件GB＼&壓縮速度MB/S＼&壓縮率%＼&Gzip＼&16.6＼&3.6＼&17.5＼&21.5＼&LZO＼&16.6＼&5.8＼&49.3＼&35.1＼&]

從以上測試數(shù)據(jù)可知：當文件大小與硬件設備相同條件下，Gzip壓縮率優(yōu)于LZO壓縮，但是壓縮速度上LZO壓縮更為突出。在空間和時間性能的限制中，Gzip的壓縮率較低，壓縮效果好，LZO壓縮速度快。根據(jù)不同的需求可以選擇不同的壓縮，當對空間要求較高將采用Gzip壓縮，當對時間要求比較嚴格可采用LZO壓縮。

5 總結

本文對HBASE中支持的兩種算法進行了比較、分析，并得出結果。在不同的場景根據(jù)需求將選擇不同的算法。如果在要求讀取壓縮文件時，將進一步考慮解壓速度。大數(shù)據(jù)如此重要，以至于其獲取、儲存、查詢、共享、分析，數(shù)據(jù)挖掘乃至可視化地呈現(xiàn)，都成為了當前重要的研究課題。

未來的工作中，我們將會對如何對大數(shù)據(jù)挖掘、分析用戶行為展開進一步地研究，以提高信息的可用性與有效性。同時，進一步研究如何規(guī)劃大數(shù)據(jù)存儲策略，是未來大數(shù)據(jù)挑戰(zhàn)的工作之一。

參考文獻：

[1] HBASE.http：//HBASE.apache.org/[EB/OL].[2011-02-16].

[2] HBASE ：bigtable-like structured storage for hadoop hdfs[EB/OL].http：/hadoop.apache.org/HBASE /，2010

[3] Fan Chang， Jeffrey Dean ， Sanjay Chemawat，et al.Bigtable：a distributed storage system for structured data[C].Proceedings of 7 th USENIX Symposium on Operating Systems Design and Implementation，Seattle，W A，USE：USENIX Association，2006：205-218.

[4] Shvachko K V. HDFS Scalability： The limits to growth[J].login，2010，35（2）：6-16.

[5] Wolff F G，Papachristou C.Multiscan-based test compression and hardware decompression using LZ77[C]//Test Conference， 2002. Proceedings. International.IEEE，2002： 331-339.

[6] Li M，Zhu Y.Image classification via LZ78 based string kernel： a comparative study[C]//Advances in knowledge discovery and data mining.Springer Berlin Heidelberg，2006：704-712.

[7] Nelson M R.LZW data compression[J].Dr. Dobb's Journal，1989，14（10）：29-36.

[8] Wiseman Y.The relative efficiency of data compression by LZW and LZSS[J].Data Science Journal，2007，6：1-6.

[9] Gailly J L， Adler M. gzip：The compressor data[J].2011.

[10] 羅燕新.基于HBASE的列存儲壓縮算法的研究與實現(xiàn)[D].華南理工大學， 2011.endprint

3.1 Gzip壓縮算法

采用Gzip 算法對大數(shù)據(jù)進行壓縮，在壓縮過程中首先使用LZ77算法，再使用Huffman編碼。LZ77算法的核心思想主要通過相同內容的替換來實現(xiàn)。如果文件中有兩塊內容相同，那么只要知道前一塊的位置和大小，我們就可以簡單表達確定后一塊內容的相關信息。后一塊信息（a，b）可以這樣表示，a表示兩者之間的距離，b表示相同內容的長度。當這一對信息（a，b）的大小小于被替換內容的大小，這樣文件就得到壓縮。Huffman編碼的壓縮原理：把文件中某段位長的值看作是符號。根據(jù)這些符號在文件中出現(xiàn)的頻率，再對這些符號進行重新編碼。按照這樣的算法編碼，文件的一些部分位數(shù)變少了然而一些部分位數(shù)變多了，因為變小的部分大于變大的部分，所以整個數(shù)據(jù)因此得到壓縮。

3.2 LZO壓縮算法

LZO是Lempel-Ziv-Oberhumer的縮寫，LZO是基于LZSS算法是一種無損算法。LZO與Gzip不同在于解壓速度，LZO在快速解壓表現(xiàn)尤為明顯。LZO和LZ77算法類似也是基于字典思想的一種壓縮算法，同時使用固定長度滑動窗口用來緩存字典信息，所以LZO的編碼也是需要使用一個偏移量，重復長度期待當前字符串。但是LZO與LZ77有一些區(qū)別， LZO的編碼中沒有了LZ77編碼的第3項：新字符，當壓縮字符與滑動窗體的字典信息沒有匹配時使用一個標志位加字符內容標示而不是一個三元組；還有 LZ77使用的是固定的壓縮長度，LZO的壓縮長度是可變的，范圍在13個字節(jié)和4096字節(jié)之間，最后一點是LZ77壓縮時需要滑動窗口內對待壓縮數(shù)據(jù)做最大壓縮匹配字符串的搜索，滑動窗口越大搜索消耗的時間也就越大，這是LZ77算法壓縮很慢的原因之一，在LZO算法放棄最大壓縮匹配字符串的搜索，而是使用的哈希映射的查找方式查找匹配的字符串[10]。

4 算法的分析與比較

數(shù)據(jù)壓縮的性能指標主要有：壓縮率、壓縮速度、解壓速度、壓縮時間。衡量壓縮空間上的變量主要指標是壓縮率。同時壓縮時間是衡量數(shù)據(jù)壓縮性能的一個很重要的指標。對于大數(shù)據(jù)的特點，在這里主要討論壓縮率。壓縮率與壓縮速度公式如下：

[壓縮率=][壓縮之后數(shù)據(jù)大小原始數(shù)據(jù)大小]，[壓縮速度=原始數(shù)據(jù)大小壓縮時間]

通過多次測試求平均值的方法得出壓縮率[f]，對于定量的文件[A]大小進行壓縮。[T1]表示第一次對文件大小進行壓縮時得出的壓縮結果，[Tn]表示第n次文件進行壓縮取得的壓縮結果。

[f1] 根據(jù)第一次壓縮求到的壓縮率[f1=AT1]，第n次的壓縮率為[fn=ATn]，由此可以通過多次測試得出壓縮率[f=] [f1+f2+.....fnn]。為了比較兩種壓縮的效果，采用定量的數(shù)據(jù)壓縮。通過測試得以下數(shù)據(jù)。

表1 測試數(shù)據(jù)結果

[壓縮算法＼&原始文件GB＼&壓縮后文件GB＼&壓縮速度MB/S＼&壓縮率%＼&Gzip＼&16.6＼&3.6＼&17.5＼&21.5＼&LZO＼&16.6＼&5.8＼&49.3＼&35.1＼&]

從以上測試數(shù)據(jù)可知：當文件大小與硬件設備相同條件下，Gzip壓縮率優(yōu)于LZO壓縮，但是壓縮速度上LZO壓縮更為突出。在空間和時間性能的限制中，Gzip的壓縮率較低，壓縮效果好，LZO壓縮速度快。根據(jù)不同的需求可以選擇不同的壓縮，當對空間要求較高將采用Gzip壓縮，當對時間要求比較嚴格可采用LZO壓縮。

5 總結

本文對HBASE中支持的兩種算法進行了比較、分析，并得出結果。在不同的場景根據(jù)需求將選擇不同的算法。如果在要求讀取壓縮文件時，將進一步考慮解壓速度。大數(shù)據(jù)如此重要，以至于其獲取、儲存、查詢、共享、分析，數(shù)據(jù)挖掘乃至可視化地呈現(xiàn)，都成為了當前重要的研究課題。

未來的工作中，我們將會對如何對大數(shù)據(jù)挖掘、分析用戶行為展開進一步地研究，以提高信息的可用性與有效性。同時，進一步研究如何規(guī)劃大數(shù)據(jù)存儲策略，是未來大數(shù)據(jù)挑戰(zhàn)的工作之一。

參考文獻：

[1] HBASE.http：//HBASE.apache.org/[EB/OL].[2011-02-16].

[2] HBASE ：bigtable-like structured storage for hadoop hdfs[EB/OL].http：/hadoop.apache.org/HBASE /，2010

[3] Fan Chang， Jeffrey Dean ， Sanjay Chemawat，et al.Bigtable：a distributed storage system for structured data[C].Proceedings of 7 th USENIX Symposium on Operating Systems Design and Implementation，Seattle，W A，USE：USENIX Association，2006：205-218.

[4] Shvachko K V. HDFS Scalability： The limits to growth[J].login，2010，35（2）：6-16.

[5] Wolff F G，Papachristou C.Multiscan-based test compression and hardware decompression using LZ77[C]//Test Conference， 2002. Proceedings. International.IEEE，2002： 331-339.

[6] Li M，Zhu Y.Image classification via LZ78 based string kernel： a comparative study[C]//Advances in knowledge discovery and data mining.Springer Berlin Heidelberg，2006：704-712.

[7] Nelson M R.LZW data compression[J].Dr. Dobb's Journal，1989，14（10）：29-36.

[8] Wiseman Y.The relative efficiency of data compression by LZW and LZSS[J].Data Science Journal，2007，6：1-6.

[9] Gailly J L， Adler M. gzip：The compressor data[J].2011.

[10] 羅燕新.基于HBASE的列存儲壓縮算法的研究與實現(xiàn)[D].華南理工大學， 2011.endprint