大数据中常见的文件存储格式和hadoop中支持的紧缩算法

在大数据中常见的文件存储格式有：

1. 文本文件（Text File）：以纯文本的情势保存数据，例如CSV格式或JSON格式。
2. 序列文件（Sequence File）：一种二进制格式，用于存储键值对，合适于Hadoop的MapReduce程序。
3. Avro文件：一种数据序列化系统，可以将数据结构保存在文件中，使其独立于编程语言。
4. Parquet文件：一种列式存储格式，合适于大范围数据分析，可以高效地读取和写入数据。
5. ORC文件：一种列式存储格式，优化了数据紧缩和读取效力，合适于高效的分析查询。

在Hadoop中支持的紧缩算法有：

1. Gzip：一种通用的紧缩算法，可以显著减小文件大小，但读写速度较慢。
2. Snappy：一种快速的紧缩/解紧缩算法，合适于高速数据处理。
3. LZO：一种高紧缩比的紧缩算法，合适于大范围数据处理，但需要额外的安装和配置。
4. Bzip2：一种高紧缩比的紧缩算法，合适于存储和传输数据，但紧缩和解紧缩速度较慢。
5. LZ4：一种快速的紧缩/解紧缩算法，合适于实时数据处理，可以提供较高的紧缩速度和解紧缩速度。