hive合并小文件

hadoop使用lzo压缩，block块大小为512MB

环境：hadoop2.6+hive1.2.1     lzo压缩

启动压缩

set hive.exec.compress.output=true;

set mapreduce.output.fileoutputformat.compress=true; 

一.减少map数，（当有大量小文件时，启动合并）

set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;

set mapreduce.input.fileinputformat.split.maxsize=1073741824;

set mapreduce.input.fileinputformat.split.minsize=1;

set mapreduce.input.fileinputformat.split.minsize.per.node=536870912;

set mapreduce.input.fileinputformat.split.minsize.per.rack=536870912;

经过测试，这种设置可以在map阶段和并小文件，减少map的数量。

注意：在测试的时候，如果文件格式为Textfile，并且启用lzo压缩，不能生效。 rcfile以及orc可以生效，Textfile不启用lzo压缩也可以生效。如果是新集群的话，没有历史遗留的问题的话，建议hive都使用orc文件格式，以及启用lzo压缩。

二.MR作业结束后，判断生成文件的平均大小，如果小于阀值，就再启动一个job来合并文件

set hive.merge.mapredfiles=true;
set hive.merge.mapfiles=true;

set hive.merge.smallfiles.avgsize=268435456;