合并HDFS和本地文件系统中的小文件

from:
原文阅读

关键字:hadoop hdfs 小文件、appendToFile、getmerge众所周知,HDFS中过多的小文件,会给NameNode造成很大的压力,所谓的小文件,是指远远小于文件块大小的文件。

在使用HDFS的过程中,应尽量避免生成过多的小文件。

本文以TextFile为例,介绍一下从本地–>HDFS、HDFS–>本地、以及HDFS–>HDFS的文件上传下载移动过程中,对小文件的合并方法。

将本地的小文件合并,上传到HDFS

假设存放在本地的数据由很多个小文件组成,需要上传到HDFS。一般的做法是在本地使用脚本、程序先把小文件合并后再上传。

其实没有必要,HDFS中提供了一个很有用的命令 appendToFile,就可以解决这个问题。

假设本地有两个小文件1.txt和2.txt,里面内容如下:

  1. [liuxiaowen@dev ~]$ cat 1.txt
  2. 111111
  3. 111111
  4. 111111
  5. 111111
  6. [liuxiaowen@dev ~]$ cat 2.txt
  7. 222222
  8. 222222
  9. 222222
  10. 222222

使用下面的命令,可以将1.txt和2.txt合并,并上传到HDFS:

  1. [liuxiaowen@dev ~]$ hadoop fs appendToFile 1.txt 2.txt hdfs://cdh5/tmp/lxw1234.txt
  2. [liuxiaowen@dev ~]$ hadoop fs cat hdfs://cdh5/tmp/lxw1234.txt
  3. 111111
  4. 111111
  5. 111111
  6. 111111
  7. 222222
  8. 222222
  9. 222222
  10. 222222
华丽的分割线:您可以关注 lxw的大数据田地 ,或者 加入邮件列表 ,随时接收博客更新的通知邮件。

下载HDFS的小文件到本地,合并成一个大文件

假设在HDFS的/tmp/lxw1234/目录下,有两个小文件1.txt和2.txt

需要将它们下载到本地的一个文件中。

  1. [liuxiaowen@dev ~]$ hadoop fs cat /tmp/lxw1234/1.txt
  2. 111111
  3. 111111
  4. 111111
  5. 111111
  6. [liuxiaowen@dev ~]$ hadoop fs cat /tmp/lxw1234/2.txt
  7. 222222
  8. 222222
  9. 222222
  10. 222222

使用下面的命令:

  1. [liuxiaowen@dev ~]$ hadoop fs getmerge hdfs://cdh5/tmp/lxw1234/*.txt local_largefile.txt
  2. [liuxiaowen@dev ~]$ cat local_largefile.txt
  3. 111111
  4. 111111
  5. 111111
  6. 111111
  7. 222222
  8. 222222
  9. 222222
  10. 222222

合并HDFS上的小文件

如果需要合并HDFS上的某个目录下有很多小文件,可以尝试使用下面的命令:

  1. [liuxiaowen@dev ~]$ hadoop fs cat hdfs://cdh5/tmp/lxw1234/*.txt | hadoop fs -appendToFile – hdfs://cdh5/tmp/hdfs_largefile.txt
  2. [liuxiaowen@dev ~]$ hadoop fs cat hdfs://cdh5/tmp/hdfs_largefile.txt
  3. 111111
  4. 111111
  5. 111111
  6. 111111
  7. 222222
  8. 222222
  9. 222222
  10. 222222

注意:这种处理方法在数据量非常大的情况下可能不太适合,最好使用MapReduce来合并。

华丽的分割线:您可以关注 lxw的大数据田地 ,或者 加入邮件列表 ,随时接收博客更新的通知邮件。

如果觉得本博客对您有帮助,请 赞助作者

转载请注明:lxw的大数据田地 » 合并HDFS和本地文件系统中的小文件

此条目发表在hadoop分类目录,贴了标签。将固定链接加入收藏夹。

发表评论

电子邮件地址不会被公开。 必填项已用*标注