wanghangyu817 / hdfsutils

hdfs文件治理工具，文件批量解压、压缩、小文件合并

HDFSUtils

utils for hdfs

介绍

操作hdfs文件的工具集合，包括文件解压缩、碎文件合并等

运行环境

• jdk1.7+
• hdfs2.x

编译打包

mvn clean 
mvn assembly:assembly

使用说明

1. 批量解压缩文件(Gzip格式)

java -cp HDFSUtils-1.0-jar-with-dependencies.jar hdfs.compress.CompressFile <fsUri> <path> <type> <threads> <isAll>

或者使用hadoop命令运行
hadoop jar HDFSUtils-1.0-jar-with-dependencies.jar hdfs.compress.CompressFile <fsUri> <path> <type> <threads> <isAll>

参数说明

• <fsUri>：hdfs地址，例如hdfs://xxx.xxx.xxx.xxx:8020，如果使用hadoop命令，这里的地址可以使用namenode的servicename
• <path>：需要合并的目录路径，例如解压缩hdfs上面位于/data/a目录下的文件，参数就为/data/a或者/data/a/或者/data/a/*都可以
• <type>:
  • compress:压缩
  • uncompress:解压
• <threads>：压缩文件的并发度，压缩文件占用服务器带宽资源较为明显，可以适当调小并发度。
• <isAll>，缺省值为false:
  • false：只解/压缩当前目录下的文件，不包括目录下的子目录
  • true：解/压缩当前目录以及当前目录子目录下的所有文件

2. 合并指定目录下的小文件

java -cp HDFSUtils-1.0-jar-with-dependencies.jar hdfs.merge.MergeSmallFile <fsUri> <path> <isGz>

或者使用hadoop命令运行
hadoop jar HDFSUtils-1.0-jar-with-dependencies.jar hdfs.merge.MergeSmallFile <fsUri> <path> <isGz>

参数说明

• <fsUri>：hdfs地址，例如hdfs://xxx.xxx.xxx.xxx:8020，如果使用hadoop命令，这里的地址可以使用namenode的servicename
• <path>：需要合并的目录路径，会遍历目录下的所有子目录。
• <isGz>：是否合并压缩过的.gz文件，注意，这里以文件名.gz来区分是否是压缩过的文件
  • false：默认值，合并未经压缩的普通文件
  • true：只合并.gz的压缩过的文件