本文介绍了Hadoop中SequenceFile和MapFile的特性，它们用于解决小文件问题，提供key-value存储。SequenceFile是append-only的，支持记录和块压缩，而MapFile是排序后的SequenceFile，检索效率高。两者都不支持文件复写，且在write流未关闭时不可读。同时，对比了SequenceFile生成的RDD与TextFile生成的RDD的区别。
定期分享源码,总结相关知识点，哈哈哈，来关注啊
概括
Hadoop 的 HDFS 和 MapReduce 子框架主要是针对大数据文件来设计的，在小文件的处理上不但效率低下，而且十分消耗内存资源(每一个小文件占用一个 Block,每一个 block 的元数据都存储在 namenode 的内存里)。解决办法通常是选择一个容器，将这些小文件组织起来统一存储。HDFS 提供了两种类型的容器，分别是 SequenceFile 和 MapFile。
关于SequenceFile
概述
SequenceFile 是 Hadoop 的一个重要数据文件类型，它提供key-value的存储，但与传统key-value存储（比如hash表）不同的是，它是appendonly的，于是你不能对已存在的key进行写操作。
解决问题
该文件格式通常被用来解决hadoop中的小文件问题，相当于一个容器，把这些小文件组织起来统一存储。
压缩格式
SeqeunceFile支持两种格式的数据压缩，分别是：record compression 和 block compression。
存储结构
在存储结构上，SequenceFile 主要由一个 Header 后跟多条 Re
最低0.47元/天 解锁文章
扫一扫
2772
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
