Hadoop中hdfs小文件处理

 

假如有128G的小文件，那么它会有多少字节那？

一个小文件：占用namenode多大内存150字节；

128 * 1024*1024*1024byte/150字节 = 9亿文件块

（1KB（Kilobyte，千字节）=1024B= 2^10 B；1MB（Megabyte，兆字节，百万字节，简称“兆”）=1024KB= 2^20 B；1GB（Gigabyte，吉字节，十亿字2113节，又称“千兆”）=1024MB= 2^30 B。）

怎么解决呢？

（1）采用har归档方式，将小文件归档

我们的hdfs中保存大量小文件（当然不产生小文件是最佳实践），这样会把namenode的namespace搞的很大。namespace保存着hdfs文件的inode信息，文件越多需要的namenode内存越大，但内存毕竟是有限的（这个是目前hadoop的硬伤）。

下面图片展示了，har文档的结构。har文件是通过mapreduce生成