1、HDFS存储小文件弊端
每个文件均按块存储，每个块的元数据存储在NameNode的内存中，因此HDFS存储小文件会非常低效。因为大量的小文件会耗尽NameNode中的大部分内存。但注意，存储小文件所需要的磁盘容量和数据块的大小无关。例如，一个1MB的文件设置为128MB的块存储，实际使用的是1MB的磁盘空间，而不是128MB。
2、解决存储小文件办法之一
HDFS存档文件或HAR文件，是一个更高效的文件存档工具，它将文件存入HDFS块，在成少NameNode内存使用的同时，允许对文件进行透明的访问。具体说来，HDFS存档文件对内还是一个一个独立文件，对NameNodeu言却是一个整体，减少了NameNode的内存。
3、实例
（1）需要启动YARN进程
[root@hadoop102 hadoop-2.7.2]$ start-yarn.sh
（2）归档文件
把/user/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/user/output路径下。
$ bin/hadoop archive -archiveName input.har –p /user/input /user/output（3）查看归档
$ hadoop fs -lsr /user/atguigu/output/input.har
$ hadoop fs -lsr har:///user/atguigu/output/input.har（4）解归档文件
$ hadoop fs -cp har:/// user/atguigu/output/input.har/* /user/