1.HDFS储存小文件弊端
每个文件均按块储存,每个块的元数据储存在NameNode的内存中,因此HDFS储存小文件会非常低效。因外大量的小文件会耗尽NameNode中的大部分内存。但注意,储存文件所需要的磁盘容量和数据块的大小无关。例如,一个1MB的文件设置为128MB的块储存,实际使用的是1MB的磁盘空间,而不是128MB。
2. 解决储存小文件办法之一
HDFS存档文件或HAR文件,是一个更高档的文件存档工具,他将文件存入HDFS块,在减少NameNode内存的使用同时,允许对文件进行透明的访问。具体说来,HDFS存档文件对内还有一个一个独立文件,对NameNode而言却是一个整体,减少了NameNode的内存。
3.案例实操
(1)需要启动YARN进程
[atguigu@hadoop102 hadoop-2.7.2]$ start-yarn.sh
(2)归档文件
把/user/atguigu/input目录里面的所有文件归档成一个叫input.har的归档文件,并把归档后文件存储到/user/atguigu/output路径下。
[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop archive -archiveName input.har –p /user/atguigu/input /user/atguigu/output
(3)查看归档
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr /user/atguigu/output/input.har
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr har:///user/atguigu/output/input.har
(4)解归档文件
[atguigu@hadoop102 hadoop-2.7.2]$ hadoop fs -cp har:/// user/atguigu/output/input.har/* /user/atguigu
想要了解跟多关于大数据培训课程内容欢迎关注尚硅谷大数据培训,尚硅谷除了这些技术文章外还有免费的高质量大数据培训课程视频供广大学员下载学习
上一篇: 大数据培训技术HDFS 2.X新特性之集群间数据拷贝
下一篇: 大数据培训技术HDFS 2.X新特性之 回收站