Hadoop存档是特殊格式的存档。Hadoop归档文件映射到文件系统目录。Hadoop归档文件始终具有* .har扩展名。Hadoop存档目录包含元数据（以_index和_masterindex的形式）和数据（part- *）文件。_index文件包含作为存档一部分的文件的名称以及该部分文件中的位置。
用法：hadoop存档-archiveName名称-p <parent> [-r <复制因子>] <src> * <dest>
-archiveName是您要创建的档案的名称。例如foo.har。名称应带有* .har扩展名。parent参数用于指定文件应归档到的相对路径。例如：
-p / foo / bar a / b / ce / f / g
/ foo / bar是父路径，而a / b / c，e / f / g是父路径。请注意，这是一个创建存档的Map / Reduce作业。您将需要一个map reduce集群来运行它。有关详细示例，请参见后面的部分。
-r表示所需的复制因子；如果未指定此可选参数，则将使用3的复制因子。
如果您只想归档一个目录/ foo / bar，则可以使用
hadoop存档-archiveName zoo.har -p / foo / bar -r 3 / outputdir
如果您指定在加密区域中的源文件，它们将被解密并写入存档中。如果har文件不在加密区域中，则它们将以明文（解密）形式存储。如果har文件位于加密区域中，它们将以加密形式存储。
归档文件将自身显示为文件系统层。因此，归档文件中的所有fs shell命令都可以工作，但是具有不同的URI。另外，请注意存档是不可变的。因此，重命名，删除并创建返回错误。Hadoop存档的URI为
har：// scheme-hostname：port / archivepath / fileinarchive
如果未提供方案，则假定为基础文件系统。在这种情况下，URI看起来像
har：/// archivepath / fileinarchive
由于归档文件中的所有fs shell命令都是透明运行的，因此取消归档只是复制的问题。
依次取消归档：
hdfs dfs -cp har：///user/zoo/foo.har/dir1 hdfs：/ user / zoo / newdir
要并行取消存档，请使用DistCp：
hadoop distcp har：//：//user/zoo/foo.har/dir1 hdfs：/ user / zoo / newdir
hadoop存档-archiveName foo.har -p / user / hadoop -r 3 dir1 dir2 / user / zoo
上面的示例使用/ user / hadoop作为相对存档目录来创建存档。目录/ user / hadoop / dir1和/ user / hadoop / dir2将被归档在以下文件系统目录– /user/zoo/foo.har中。归档不会删除输入文件。如果要在创建归档文件后删除输入文件（以减少名称空间），则必须自己完成操作。在此示例中，因为指定了-r 3，所以将使用3的复制因子。
在hadoop存档中查找文件就像在文件系统上执行ls一样容易。如上例所示，将目录/ user / hadoop / dir1和/ user / hadoop / dir2归档后，要查看归档中的所有文件，您可以运行：
hdfs dfs -ls -R har：///user/zoo/foo.har/
要了解-p参数的含义，让我们再次浏览上面的示例。如果您仅使用以下命令在hadoop归档文件中执行ls（而非lsr）
hdfs dfs -ls har：///user/zoo/foo.har
输出应为：
har：///user/zoo/foo.har/dir1 har：///user/zoo/foo.har/dir2
您可以回想起，归档文件是使用以下命令创建的
hadoop存档-archiveName foo.har -p / user / hadoop dir1 dir2 / user / zoo
如果我们将命令更改为：
hadoop存档-archiveName foo.har -p / user / hadoop / dir1 hadoop / dir2 / user / zoo
然后在hadoop存档上使用ls
hdfs dfs -ls har：///user/zoo/foo.har
会给你
har：///user/zoo/foo.har/hadoop/dir1 har：///user/zoo/foo.har/hadoop/dir2
请注意，已归档文件是相对于/ user /而不是/ user / hadoop归档的。
在MapReduce中使用Hadoop存档就像指定一个不同于默认文件系统的输入文件系统一样容易。如果您有一个hadoop存档存储在/user/zoo/foo.har的HDFS中，则为了将此存档用于MapReduce输入，您所需要做的就是将输入目录指定为har：///user/zoo/foo.har。由于Hadoop存档是作为文件系统公开的，因此MapReduce将能够使用Hadoop存档中的所有逻辑输入文件作为输入。