• 集群中遇到了文件个数超出限制的错误:

0）昨天晚上spark 任务突然抛出了异常：org.apache.hadoop.hdfs.protocol.NSQuotaExceededException: The NameSpace quota (directories and files) of directory /mydir is exceeded: quota=100000 file count=100001

1）错误提示内容信息：集群中遇到了文件个数超出限制的错误。

2）问题错误来自于hadoop quota设置了限制，但是设置限制的目的是避免集群中有过多的小文件，导致集群利用率不高的情况出现。

我这个spark job主要处理的任务内容：

var conf=new SparkConf().setAppName("test_job")

var sc=new SparkContext(conf)

var hiveContext=new HiveContext(sc)

import hiveContext.implicits._

hiveContext.sql("insert into member_info select t10.*,t11.* from member as t10 inner join member_details as t11 on t10.id=t11.memberid");

• 关于hadoop quota的信息:

hadoop HDFS有以下两种Quota

Name Quotas : 限制某个目录下的文件数量

Space Quotas : 设置某个目录的空间大小

$hadoop fs -count -q /user/hadoop

QUOTA       REMAINING_QUOTA  SPACE_QUOTA  REMAINING_SPACE_QUOTA  DIR_COUNT   FILE_COUNT CONTENT_SIZE FILE_NAME

none        inf               none        inf           		  2            1          180         /user/hadoop

清除Space Quota

$hadoop dfsadmin -clrSpaceQuota /user/hadoop

设置Name Quota

设置文件最大quota是1000

$hadoop dfsadmin -setQuota 1000 /user/hadoop

$hadoop fs -count -q /user/hadoop

QUOTA       REMAINING_QUOTA  SPACE_QUOTA  REMAINING_SPACE_QUOTA  DIR_COUNT   FILE_COUNT CONTENT_SIZE FILE_NAME

1000             997         1073741824      1073741284            2            1            180     /user/hadoop

清除Name Quota

$hadoop dfsadmin -clrQuato /user/hadoop

• 如何避免集群中过多小文件出现的方法：

hive下可以通过以下几点去限制：
1)文件合并

 set hive.merge.mapredfiles = true #在Map-Reduce的任务结束时合并小文件

 set hive.merge.size.per.task = 128000000 #合并文件的大小

 set hive.merge.smallfiles.avgsize=128000000 #当输出文件的平均大小小于该值时，启动一个独立的map-reduce任务进行文件merge

2)Map输入合并小文件

  set mapred.max.split.size=256000000;  #每个Map最大输入大小

  set mapred.min.split.size.per.node=100000000; #一个节点上split的至少的大小

  set mapred.min.split.size.per.rack=100000000; #一个交换机下split的至少的大小

  set hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat;  #执行Map前进行小文件合并

3)输出合并

  set hive.merge.mapfiles = true #在Map-only的任务结束时合并小文件

  set hive.merge.mapredfiles = true #在Map-Reduce的任务结束时合并小文件

  set hive.merge.size.per.task = 256000000 #合并文件的大小

  set hive.merge.smallfiles.avgsize=256000000 #当输出文件的平均大小小于该值时，启动一个独立的map-reduce任务进行文件merge

spark job下可以这么设置
//重分区，减少文件数
val trade_company_df_save=trade_company_df.repartition(1)
trade_company_df_save.registerTempTable("trade_company_df");

•  参考文章：

http://nlslzf.iteye.com/blog/1617239
http://wenku.baidu.com/link?url=6dxklmJNF6XTFot4zlzt-_d_UXTcoPQzuATtnQil7M9My_3g_0NYJ5mx4K7tEj1jwq6KywUoBWvgPBbMkz9s7TSfCmYT_xLNZAuZRFWk36_