在Hadoop中将多个文件合并为一个文件 [英] Merging multiple files into one within Hadoop

问题描述

我将多个小文件放到我的输入目录中，我希望将其合并到单个文件中，而无需使用本地文件系统或编写mapreds。有没有一种方法可以使用hadoof fs命令或Pig？

谢谢！

解决方案

为了保持网格上的所有内容，使用hadoop流式处理，使用单个reducer和cat作为映射器和reducer（基本上是noop） - 使用MR标记添加压缩。

  hadoop jar \ 
 $ HADOOP_PREFIX / share / hadoop / tools / lib / hadoop-streaming.jar \< br> 
 -D mapred.reduce.tasks = 1 \ 
 -D mapred.job.queue.name = $ QUEUE \ 
 -input$ INPUT\ 
 -output $ OUTPUT\ 
 -mapper cat \ 
 -reducer cat 
  

如果你想压缩添加

-Dmapred.output.compress = true \
-Dmapred.output.compression.codec = org.apache.hadoop.io.compress.GzipCodec

I get multiple small files into my input directory which I want to merge into a single file without using the local file system or writing mapreds. Is there a way I could do it using hadoof fs commands or Pig?

Thanks!

解决方案

In order to keep everything on the grid use hadoop streaming with a single reducer and cat as the mapper and reducer (basically a noop) - add compression using MR flags.

hadoop jar \
    $HADOOP_PREFIX/share/hadoop/tools/lib/hadoop-streaming.jar \<br>
    -Dmapred.reduce.tasks=1 \
    -Dmapred.job.queue.name=$QUEUE \
    -input "$INPUT" \
    -output "$OUTPUT" \
    -mapper cat \
    -reducer cat

If you want compression add
-Dmapred.output.compress=true \ -Dmapred.output.compression.codec=org.apache.hadoop.io.compress.GzipCodec

这篇关于在Hadoop中将多个文件合并为一个文件的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！