1.场景:
有许多小文件,若提交到集群,一个小文件及时没有到达一个块大小也占用一个块,浪费空间。
2.优化:
在drive自定义设置
//指定运行的inputformat方式 默认的方式是textinputformat(小文件优化)
job.setInputFormatClass(CombineTextInputFormat.class);
CombineTextInputFormat.setMaxInputSplitSize(job, 4194304);//最大4M
CombineTextInputFormat.setMinInputSplitSize(job, 3145728);//最小3M