Question

作为hive查询的结果，我得到多个输出文件（按排序方式进行分发），现在我想合并它们以生成单个文件。所以我尝试过hdfs dfs -getmerge命令。现在我想了解-getmerge在连接之前是否对文件进行排序，还是只是连接？

Answer 1

public static boolean More ...copyMerge(FileSystem srcFS, Path srcDir, 
277                                  FileSystem dstFS, Path dstFile, 
278                                  boolean deleteSource,
279                                  Configuration conf, String addString) throws IOException {
280    dstFile = checkDest(srcDir.getName(), dstFS, dstFile, false);
281
282    if (!srcFS.getFileStatus(srcDir).isDirectory())
283      return false;
284   
285    OutputStream out = dstFS.create(dstFile);
286    
287    try {
288      FileStatus contents[] = srcFS.listStatus(srcDir);
289      Arrays.sort(contents);
290      for (int i = 0; i < contents.length; i++) {
291        if (contents[i].isFile()) {
292          InputStream in = srcFS.open(contents[i].getPath());
293          try {
294            IOUtils.copyBytes(in, out, conf, false);
295            if (addString!=null)
296              out.write(addString.getBytes("UTF-8"));
297                
298          } finally {
299            in.close();
300          } 
301        }
302      }
303    } finally {
304      out.close();
305    }
306    
307
308    if (deleteSource) {
309      return srcFS.delete(srcDir, true);
310    } else {
311      return true;
312    }
313  }

它对文件数组（默认升序）进行排序，源hadoop 0.23

Answer 2

这是文档（适用于Hadoop 2.7.1）： https://hadoop.apache.org/docs/r2.7.1/hadoop-project-dist/hadoop-common/FileSystemShell.html#getmerge

基本上： 1 - 将文件连接到一个 2 - 可以在连接文件之间插入一个新行（-nl）。

例： $ hadoop fs -getmerge [-nl] src1 [src2 [src3]]

hdfs dfs -getmerge命令有什么作用？

2 个答案: