一说 HDFS 小文件治理，最常见的动作是安排一个夜间任务，把昨天的文件再合并一次。这个办法能让目录暂时好看一些，却很容易变成另一条长期运行的数据链路：白天持续制造小文件，晚上再花计算和 IO 把它们重写。
我不太赞成先上合并任务。小文件是一种结果，产生它的地方可能是过细的 Hive 分区、过多的 Reducer、流任务滚动过快，也可能是同步工具为每个并发通道各写一个文件。没有先找到生产者，存量清理得越勤，平台越难看清真正的写入模型。
这篇文章以 Hadoop 3.3.0 的文档和源码为准，先确认小文件到底给 HDFS 增加了什么负担，再讨论 concat、HAR 和重写任务各自适合做什么。
