一、目的

为了尽可能减少磁盘资源的消耗，因此需要对从Kafka到HDFS的写入数据进行数据压缩。由于使用的ETL工具是kettle，因此研究一下Kettle配置HDFS输出控件时能不能加GZIP等压缩方式?

kettle9.2的HDFS输出控件压缩方式包括GZip、Hadoop-snappy、None、Snappy、Zip等5种

二、HDFS输出控件中能不能加压缩方式？

在从Kafka到HDFS的kettle任务中，可以加GZip等压缩方式，这也生成了GZip格式的数据文件turnratio2023-09-12.csv.gz

由于从Kafka到HDFS的kettle任务在不停的执行，所以这个turnratio2023-09-12.csv.gz文件虽然显示有126KB，但是如果解压查看的话就会报错。

因为kettle任务一直在执行，而压缩要等任务结束之后再压缩，所以表面看数据文件是有大小的，不是空文件，但是实际文件没数据。

因此，在从Kafka到HDFS的kettle任务中，为了自动生成每日的数据文件，在HDFS输出控件中可以加GZip等压缩方式，但是不能加。

否则只要kettle任务不停，那么HDFS文件中就没数据。