HDFS归档文件提取咨询：如何从myArch.har恢复原文件

集群内直接提取（归档仍在HDFS上） #

如果myArch.har还存储在HDFS的/Files路径下，直接用HDFS命令即可提取：

• 提取归档内所有文件到目标HDFS目录：

  hdfs dfs -cp /Files/myArch.har/* /your/target/hdfs/dir
  

  或者使用distcp（适合大规模数据）：

  hadoop distcp /Files/myArch.har/* /your/target/hdfs/dir
  

• 提取单个指定文件：

  hdfs dfs -cp /Files/myArch.har/SmallFiles/your_filename /your/target/hdfs/dir
  

本地提取（已下载HAR组件到本地） #

你已经下载了index、masterindex、part-0这三个HAR核心文件，需借助Hadoop客户端工具完成本地提取：

1. 确保本地安装并配置好对应版本的Hadoop客户端
2. 先查看归档内的文件列表：

   hadoop fs -ls har://file:///path/to/your/local/myArch.har/SmallFiles
   

   （注意：/path/to/your/local/myArch.har是你存放三个HAR文件的本地目录路径）
3. 提取全部文件到本地目录：

   hadoop fs -cp har://file:///path/to/your/local/myArch.har/SmallFiles/* file:///path/to/your/local/extract_dir
   

4. 提取单个文件：

   hadoop fs -cp har://file:///path/to/your/local/myArch.har/SmallFiles/your_filename file:///path/to/your/local/extract_dir
   

注意事项 #

• 必须保证本地Hadoop客户端版本与创建HAR文件的集群版本一致，否则可能出现解析错误
• 不建议手动解析index和part-0文件提取数据，过程繁琐且易出错

内容的提问来源于stack exchange，提问作者nada zayed