项目环境中遇到的小文件较多，起初除了NAMENODE的内存外，还是比较担心文件物理空间的占用。于是就看一下，小文件是如何占用物理空间的：
前提：HDFS块大小为64MB
文件副本总共3份
1、 批量生成小文件（均20M）
2、 记录测试前DFS空间使用情况
目前，DFS空间已经使用50.04GB
3、 向HIVE中LOAD一个文件testaa
4、 再次查看DFS空间使用情况
5、 查看文件testaa所在的块占用的空间情况
Total size可以看出：占用物理空间为20MB
6、 再次LOAD一个文件testab
7、 查看DFS空间使用情况
DFS空间使用50.16GB
8、 查看文件testab所在块占用空间情况
Testab占用物理空间也为20MB
9、 批量加载小文件
10、执行该脚本
11、再次查看DFS空间使用情况
从以上测试得到：
DFS起始占用空间大小：50.04GB
加载26个文件20MB后，DFS占用空间大小：51.58GB
计算：
计算每个文件占用的DFS空间大小：
（51.58GB-50.04GB）*1024/26=60.65MB
文件占用物理空间大小：
20MB*3份=60MB
结论：
小于块大小的小文件不会占用整个HDFS块空间。也就是说，较多的小文件会占用更多的NAMENODE的内存（记录了文件的位置等信息）；再者，在文件处理时，可能会有较大的网络开销。
本文出自 “一步.一步” 博客，请务必保留此出处http://snglw.blog.51cto.com/5832405/1643587
原文地址：http://snglw.blog.51cto.com/5832405/1643587
