使用 HDFS 保存大量小文件

使用 使用使用 使用 HDFS 保存大量小文件的缺点：
1.Hadoop NameNode 在内存中保存所有文件的“元信息”数据。据统计，每一个文件需要消耗 NameNode600 字节内存。如果需要保存大量的小文件会对NameNode 造成极大的压力。
2.如果采用 Hadoop MapReduce 进行小文件的处理，那么 Mapper 的个数就会跟小文件的个数成线性相关（备注：FileInputFormat 默认只对大于 HDFS Block Size的文件进行划分)。如果小文件特别多，MapReduce 就会在消耗大量的时间进行Map 进程的创建和销毁。
为了解决大量小文件带来的问题，我们可以将很多小文件打包，组装成一个大文件。 Apache Avro 是语言独立的数据序列化系统。 Avro 在概念上分为两部分：模式（Schema）和数据（一般为二进制数据)。Schema 一般采用 Json 格式进行描述。Avro 同时定义了一些自己的数据类型如表所示：

Avro基础数据类型

类型	描述	模式
null	The absence of a value	"null"
boolean	A binary value	"boolean"
int	32位带符号整数	"int"
long