MapReduce------小文件切片优化问题

默认情况下，TextInputformat对任务的切片机智是按文件规划切片，不管文件多小，都会是一个单独的切片，都是交给一个maptask，如果有多个小文件，就会产生大量的maptask，处理效率底下。

解决办法：

    1.从源头上解决，将文件合并后再上传到HDFS处理。

    2.如果小文件已经在HDFS中，可以先写一个MapReduce程序对小文件合并

    3.可以用另一种InputFormat：CombineInputFormat（它可以将多个文件划分到一个切片中），这样就可以交给一个maptask处理。

 使用默认的InputFormat

 使用CombineTextInputFormat

job.setInputFormatClass(CombineTextInputFormat.class);
CombineTextInputFormat.setMaxInputSplitSize(job, 4194304);
CombineTextInputFormat.setMinInputSplitSize(job, 2097152);