如何使用hadoop archive合并小文件并进行mapreduce来减少map的数量

这篇文章给大家分享的是有关如何使用hadoop archive合并小文件并进行mapreduce来减少map的数量的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

如下：原始文件 四个文件

经过hadoop archive之后：

执行的命令是：hadoop archive -archiveName words.har -p /words -r 1 /wordhar

生成的文件在/wordhar/words.har

其中part-0是数据文件

在mapreduce中，会忽略以下划线开头的文件，也就是说上图的_SUCCESS,_index,_masterindex是不会处理的

那么这样一来就只会处理数据文件part-0

job设置的输入路径是

运行mapreduce中执行的map数量是1

分片为一个

map数量为一个

课件通过hadoop archive的文件也可以进行mapreduce

感谢各位的阅读！关于“如何使用hadoop archive合并小文件并进行mapreduce来减少map的数量”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！