Hadoop合并小文件的几种方法

1、Hadoop HAR

将众多小文件打包成一个大文件进行存储，并且打包后原来的文件仍然可以通过Map-Reduce进行操作，打包后的文件由索引和存储两大部分组成；

缺点: 一旦创建就不能修改，也不支持追加操作，还不支持文档压缩，当有新文件进来以后，需要重新打包。

 

2、SequeuesFile 

适用于非文体格式，可作小文件容器，并可压缩；

 

3、CombineFileInputFormat

将多个文件合并成一个split作为输入，减少map输入与HDFS块的耦合；

 

4、Java代码实现，使用HDFS API；更灵活可控；