hdfs小文件处理
spark 采用 Coalesce 进行合并小文件
/**
获取文件目录
获取每个文件的大小
遍历相加
size 根据size (一般设置 100m)小于等于128 得到要处理的数
*/
def getCoalesce(fileSystem: FileSystem, filePath: String, size: Int): Int = {
var length = 0l
fileSystem.globStatus(new Path(filePath)).map(x=>{
length+=x.getLen
})
(length / 1024 / 1024 / size).toInt + 1
}
spark.sparkContext.textFile(inputPath).coalesce(getCoalesce(fileSystem,inputPath,100))