如果我有两个文本文件，一个和两个之间有什么区别
bz2一二-c>输出。bz2
和
猫一二|bzip2-c>输出.bz2
具体来说，我使用pbzip2生成bz2文件，将它们放在HDFS上，然后从pig中读取它们，然后点击MAPREDUCE-477。我无法从0.20版本升级我的hadoop集群，使用非并行bz2实现太慢，我想使用非块压缩算法。
有什么方法可以将连接的bz2文件转换为非连接的文件吗？或者，我该如何修改pbzip2，使其生成非连接的bz2文件？
谢谢-
压缩通常通过用较短的模式替换模式来工作。例如，如果您有"你好，再见"，那么您可以将第二个"那里"替换为对第一个的引用（其中引用小于原始的5个字节）。
现在想象一下，如果你有两个文件，一个包含"你好"，另一个则包含"再见"。如果连接然后压缩，那么压缩就有更多的数据可供使用，并且可以用对第一个的引用来替换第二个"there"。如果你分别压缩两个文件，然后连接，这是不可能发生的。
现在想象一下，如果你连接然后压缩，这样第二个"那里"（来自第二个文件）被替换为对第一个"那儿"（来自第一个文件）的引用；然后尝试将压缩数据拆分回2个压缩文件。你最终会得到一个2个文件，其中第二个文件引用了该文件中不存在的东西，无法解压缩。
注意：现代压缩技术比我上面描述的要复杂得多——我过度简化了很多来说明。
如果你需要并行压缩和解压缩大量数据，那么这是不可能的。相反，您需要将大量数据拆分为小块；从而可以单独地压缩/解压缩小块，并且可以并行地压缩/解压许多小块。