合并HDFS和本地文件系统中的小文件

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：

1. [liuxiaowen@dev ~]$ cat 1.txt
2. 111111
3. 111111
4. 111111
5. 111111
6. [liuxiaowen@dev ~]$ cat 2.txt
7. 222222
8. 222222
9. 222222
10. 222222

使用下面的命令，可以将1.txt和2.txt合并，并上传到HDFS：

1. [liuxiaowen@dev ~]$ hadoop fs –appendToFile 1.txt 2.txt hdfs://cdh5/tmp/lxw1234.txt
2. [liuxiaowen@dev ~]$ hadoop fs –cat hdfs://cdh5/tmp/lxw1234.txt