Hadoop权威指南第三版-中文-ch3 (6)Hadoop存档

注：本文涉及书中3.9小结

Hadoop存档

1. 综述

Hadoop存档文件或HAR文件，是一个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地访问。具体来说，Hadoop存档文件可以用作MapReduce的输入。

---

个人理解：为什么需要Hadoop存档文件？

Hadoop存档文件的出现，可以解决HDFS的小文件处理问题。

某博客对Hadoop存档的详细解释：https://blog.csdn.net/helloxiaozhe/article/details/79159799

---

2. 创建工具

Hadoop存档是通过archive工具根据一组文件创建而来的，Hadoop存档文件可以用作MapReduce的输入。

3. 缺点

（1）新建一个存档文件会创建原始文件的一个副本，因此至少需要与要存档的文件容量相同大小的磁盘空间。

（2）存档文件在创建后不能进行修改。