小文件存档

1、HDFS存储小文件弊端 每个文件均按块存储，每个块的元数据存储在NameNode的内存中，因此HDFS存储小 文件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意，存储小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的块存储，实际使用的是1MB的磁盘空间，而不是128MB。 2、解决存储小文件办法之一 HDFS存档文件或HAR文件，是一个更高效的文件存档工具，它将文件存入HDFS块，在减少NameNode内存使用的同时，允许对文件进行透明的访问。具体说来，HDFS存 档文件对内还是一个一个独立文件，对NameNode而言却是一个整体，减少了NameNode的内存。

在这里插入图片描述

3．案例实操 （1）需要启动 YARN 进程

[hadoop@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。

[hadoop@hadoop102 hadoop-2.7.2]$ bin/hadoop archive -
archiveName input.har –p /user/atguigu/input 
/user/atguigu/output

（3）查看归档

[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr 
/user/atguigu/output/input.har
[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -lsr 
har:///user/atguigu/output/input.har

（4）解归档文件

[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -cp har:/// 
user/atguigu/output/input.har/* /user/atguigu