shoufeng

瘦风的南墙

HDFS 07 - HDFS 性能调优之 合并小文件

目录

1 - 为什么要合并小文件

HDFS 擅长存储大文件：

我们知道，HDFS 中，每个文件都有各自的元数据信息，如果 HDFS 中有大量的小文件，就会导致元数据爆炸，集群管理的元数据的内存压力会非常大。

所以在项目中，把小文件合并成大文件，是一种很有用也很常见的优化方法。

2 - 合并本地的小文件，上传到 HDFS

将本地的多个小文件，上传到 HDFS，可以通过 HDFS 客户端的 appendToFile 命令对小文件进行合并。

在本地准备2个小文件：

# user1.txt 内容如下：
1,tom,male,16
2,jerry,male,10

# user2.txt 内容如下：
101,jack,male,19
102,rose,female,18

合并方式：

hdfs dfs -appendToFile user1.txt user2.txt /test/upload/merged_user.txt

合并后的文件内容：

3 - 合并 HDFS 的小文件，下载到本地

可以通过 HDFS 客户端的 getmerge 命令，将很多小文件合并成一个大文件，然后下载到本地。

# 先上传小文件到 HDFS：
hdfs dfs -put user1.txt user2.txt /test/upload
# 下载，同时合并：
hdfs dfs -getmerge /test/upload/user*.txt ./merged_user.txt

下载、合并后的文件内容：

4 - 通过 Java API 实现文件合并和上传

代码如下（具体测试项目，可到 我的 GitHub 查看）：

@Test
public void testMergeFile() throws Exception {
    // 获取分布式文件系统
    FileSystem fileSystem = FileSystem.get(new URI("hdfs://hadoop:9000"), new Configuration(), "healchow");
    FSDataOutputStream outputStream = fileSystem.create(new Path("/test/upload/merged_by_java.txt"));
    // 获取本地文件系统
    LocalFileSystem local = FileSystem.getLocal(new Configuration());
    // 通过本地文件系统获取文件列表，这里必须指定路径
    FileStatus[] fileStatuses = local.listStatus(new Path("file:/Users/healchow/bigdata/test"));
    for (FileStatus fileStatus : fileStatuses) {
        // 创建输入流，操作完即关闭
        if (fileStatus.getPath().getName().contains("user")) {
            FSDataInputStream inputStream = local.open(fileStatus.getPath());
            IOUtils.copy(inputStream, outputStream);
            IOUtils.closeQuietly(inputStream);
        }
    }

    // 关闭输出流和文件系统
    IOUtils.closeQuietly(outputStream);
    local.close();
    fileSystem.close();
}

合并的结果，和通过命令合并的完全一致：


版权声明

作者：瘦风(https://healchow.com)

出处：博客园-瘦风的南墙(https://www.cnblogs.com/shoufeng)

感谢阅读，公众号 「瘦风的南墙」 ，手机端阅读更佳，还有其他福利和心得输出，欢迎扫码关注🤝

本文版权归博主所有，欢迎转载，但 [必须在页面明显位置标明原文链接]，否则博主保留追究相关人士法律责任的权利。

posted @ 2021-06-20 17:50  瘦风  阅读(1625)  评论(0)  编辑  收藏  举报