如何在Hadoop中自动压缩文件？

我对Hadoop完全陌生，我想压缩一个大文件并将其放入HDFS中。到目前为止，这就是我所做的 1） 已安装的单节点群集 2） 我的core-site.xml就像

<configuration>
<property> <name>fs.defaultFS</name> 
<value>hdfs://localhost:9000</value> 
</property> 
<property> <name>io.compression.codecs</name>  
<value>com.hadoop.compression.lzo.LzoCodec</value> 
</property> 
</configuration>

我不确定这里缺少什么，我是否需要在Hadoop环境中启用任何其他属性，或者我是否需要为此编写map reduce程序？因此，需要的是，每当HDFS中出现新文件时，它都应该自动压缩

谢谢

---

VG

我建议您编写map-reduce作业来压缩hdfs中的数据。我不知道是否有一种方法可以对hadoop put操作进行自动压缩，但假设它不存在。一个选项是放置已压缩的文件：

gzip 06_27_06_2016_tcp-leef.log-online
hdfs dfs -put 06_27_06_2016_tcp-leef.log-online.gz /user/hduser/test/

另一种方法是在mapreduce作业中压缩它。 作为一个选项，您可以使用hadoop streaming jar在hdfs中压缩文件：

hadoop jar $HADOOP_HOME/contrib/streaming/hadoop-streaming-0.20.2-cdh3u2.jar \
-Dmapred.output.compress=true \
-Dmapred.compress.map.output=true \
-Dmapred.output.compression.codec=com.hadoop.compression.lzo.LzoCodec \
-Dmapred.reduce.tasks=0 \
-input <input-path> \
-output $OUTPUT \

hadoop jar$hadoop_HOME/contrib/streaming/hadoop-streaming-0.20.2-cdh3u2.jar\
-Dmapred.output.compress=true\
-Dmapred.compress.map.output=true\
-Dmapred.output.compression.codec=com.hadoop.compression.lzo.LzoCodec\
-Dmapred.reduce.tasks=0\
-输入\
-输出$输出\

有一篇关于hadoop中数据压缩的好文章，希望对您有所帮助：

---

我建议您编写map reduce作业来压缩hdfs中的数据。我不知道是否有一种方法可以对hadoop put操作进行自动压缩，但假设它不存在。一个选项是放置已压缩的文件：

gzip 06_27_06_2016_tcp-leef.log-online
hdfs dfs -put 06_27_06_2016_tcp-leef.log-online.gz /user/hduser/test/

另一种方法是在mapreduce作业中压缩它。 作为一个选项，您可以使用hadoop streaming jar在hdfs中压缩文件：

hadoop jar $HADOOP_HOME/contrib/streaming/hadoop-streaming-0.20.2-cdh3u2.jar \
-Dmapred.output.compress=true \
-Dmapred.compress.map.output=true \
-Dmapred.output.compression.codec=com.hadoop.compression.lzo.LzoCodec \
-Dmapred.reduce.tasks=0 \
-input <input-path> \
-output $OUTPUT \

hadoop jar$hadoop_HOME/contrib/streaming/hadoop-streaming-0.20.2-cdh3u2.jar\
-Dmapred.output.compress=true\
-Dmapred.compress.map.output=true\
-Dmapred.output.compression.codec=com.hadoop.compression.lzo.LzoCodec\
-Dmapred.reduce.tasks=0\
-输入\
-输出$输出\

有一篇关于hadoop中数据压缩的好文章，希望对您有所帮助：

---

谢谢，Alex对我来说很有意义，但请让我更清楚地了解我们为什么需要core-site.xml中的compress属性，或者compress属性的用途，还是maperd-site.xml文件？@user3332404我提供的示例是对一次性map reduce作业输出数据应用压缩在mapred-site.xml中设置此属性将自动将其应用于所有map reduce作业输出数据，这样您就不必每次运行作业时都设置此参数谢谢Alex对我有意义，但是，请让我更清楚地了解为什么需要core-site.xml或maperd-site.xml文件中的compress属性或其目的？@user3332404我提供的示例是对一次性map reduce作业输出数据应用压缩在mapred-site.xml中设置此属性将自动将其应用于所有map reduce作业输出数据，这样，您就不必在每次运行作业时都设置此参数