MapReduce大量小文件问题

1.默认情况下，TextInputformat对任务的切片机制是按文件规划切片，不管文件多小，都会是一个单独的切片，都会交给maptaskz这样，如果有大量小文件，就会产生大量的maptask，处理效率及其低下

2.优化方法：
最好的办法：在数据处理系统的最前端（预处理/采集），就将小文件合并成大文件，再上传到HDFS做后续分析

补救措施：如果已经是大量小文件存在hdfs中了，可以使用另一种IinputFormat切片（combineFileInputFormat）,它的切片逻辑跟FileInputFormat不同，它可以将多个小文件从逻辑上规划到一个切片中，这样，多个小文件就可以交给一个maptask