基于Spark计算引擎的文件合并方法及装置、存储介质、设备

摘要

本公开涉及大数据处理领域，具体提供了一种基于Spark计算引擎的文件合并方法及装置，所述方法包括：通过Spark计算引擎对多个文件进行分析处理；在预设分区中生成多个第一文件块，并对所述文件进行存储；其中，每个第一文件块至多存储一个所述文件；根据所述预设分区所存储的文件大小及第二文件块的容量确定预生成第二文件块的数量；在判断所述预生成第二文件块的数量满足预设条件时，在所述预设分区中生成所述确定数量的第二文件块，并将所述多个第一文件块中的文件合并至所述确定数量的第二文件块；该方法能够在较少数量的文件块中对多个文件进行存储，从而节省文件系统的存储空间，提高文件系统内存使用效率和文件读取性能。