这是一个创建于 1562 天前的主题，其中的信息可能已经有所发展或是发生改变。
我是用 Flink 的 DataSet API 去读取文件，用的 Hadoop Compatability 里 Hadoop 的 FileInputFormat，发现在创建分片的 getSplits()方法里，会去遍历每一个文件获取 block locations，有 10 万个文件的话就得发 10 万次请求，所以任务初始化非常慢，请问一下有什么好的解决办法么？
 |
1
liprais 2020-08-21 21:26:02 +08:00 via iPhone
合并小文件呗
|
 |
2
billlee 2020-08-21 22:28:01 +08:00
HDFS 本来就不适合存小文件
|
 |
3
ysn2233 OP @billlee 文件也不小但是多，但是初始化慢就是一个循环对每个文件都要去发次 rpc 请求获取一个文件的 block 位置，如果能只发一次请求返回所有相关文件的位置信息感觉就快很多。
|
 |
4
kex0916 2020-08-24 17:15:43 +08:00
把文件合并下，或者把读取文件过程拆分成多个任务跑，最后再 union 起来
|
Select Language