众所周知,HDFS中过多的小文件,会给NameNode造成很大的压力,所谓的小文件,是指远远小于文件块大小的文件。
在使用HDFS的过程中,应尽量避免生成过多的小文件。
本文以TextFile为例,介绍一下从本地–>HDFS、HDFS–>本地、以及HDFS–>HDFS的文件上传下载移动过程中,对小文件的合并方法。更多精彩内容点我学
将本地的小文件合并,上传到HDFS
假设存放在本地的数据由很多个小文件组成,需要上传到HDFS。一般的做法是在本地使用脚本、程序先把小文件合并后再上传。
其实没有必要,HDFS中提供了一个很有用的命令 appendToFile,就可以解决这个问题。
假设本地有两个小文件1.txt和2.txt,里面内容如下:
- [liuxiaowen@dev ~]$ cat 1.txt
- 111111
- 111111
- 111111
- 111111
- [liuxiaowen@dev ~]$ cat 2.txt
- 222222
- 222222
- 222222
- 222222
使用下面的命令,可以将1.txt和2.txt合并,并上传到HDFS:
- [liuxiaowen@dev ~]$ hadoop fs –appendToFile 1.txt 2.txt hdfs://cdh5/tmp/lxw1234.txt
- [liuxiaowen@dev ~]$ hadoop fs –cat hdfs://cdh5/tmp/lxw1234.txt