原因就不解釋了，總之是因為多執行緒並行往hdfs寫造成的（因為每個DataFrame/RDD分成若干個Partition，這些partition可以被並行處理）。

其結果就是一個存下來的檔案，其實是hdfs中一個目錄，在這個目錄下才是眾多partition對應的檔案，最壞的情況是出現好多size為0的檔案。

如果確實想避免小檔案，可以在save之前把DaraFrame的partition設為0： (當然，這必然影響程式效率)

1. 如果是Spark 1.3.x,  可以呼叫函式如下：

    【DataFrame2】=【DataFrame1】.repartition(1)；

    【DataFrame2】.save(path);

2. 如果是Spark 1.4.0, 可以呼叫如下函式：

    【DataFrame2】=【DataFrame1】.coalecse(1, false)