首先我们应该了解sequencefile试图解决哪些问题，然后了解sequencefile如何帮助解决这些问题。

在hdfs中

sequencefile是hadoop中解决小文件问题的方法之一。
小文件明显小于hdfs块大小（128mb）。
hdfs中的每个文件、目录、块都表示为object，占用150字节。
1000万个文件，将使用namenode大约3g的内存。
十亿个文件是不可行的。

在mapreduce中

Map任务通常一次处理一个输入块（使用默认的fileinputformat）。
文件数量越多，Map任务需要的数量越多，作业时间可能会慢得多。

小文件场景

这些文件是较大的逻辑文件的一部分。
文件本身就很小，例如图像。
这两种情况需要不同的解决办法。
对于第一种方法，编写一个程序将小文件连接在一起（参见nathan marz关于一个名为consolidator的工具的文章，它正是这样做的）
对于第二种方法，需要某种容器以某种方式对文件进行分组。

hadoop中的解决方案

har文件
har（hadoop存档）的引入缓解了大量文件对namenode内存的压力。
HAR最好纯粹用于存档目的。
序列文件
sequencefile的概念是将每个小文件放到一个较大的单个文件中。
例如，假设有10000个100kb的文件，那么我们可以编写一个程序将它们放入一个sequencefile中，如下所示，您可以使用filename作为键，content作为值。

（来源：csdn.net）
一些好处：
namenode上需要的内存较少。继续10000 100kb文件示例，
在使用sequencefile之前，10000个对象在namenode中占用了大约4.5mb的ram。
在使用带有8个hdfs块的1gb的sequencefile之后，这些对象在namenode中占用了大约3.6kb的ram。
sequencefile是可拆分的，因此适用于mapreduce。
sequencefile支持压缩。
支持压缩，文件结构取决于压缩类型。
未压缩
record compressed：将每个记录添加到文件中时进行压缩。

（来源：csdn.net）
块压缩

（来源：csdn.net）
等待数据达到要压缩的块大小。
块压缩比记录压缩提供更好的压缩比。
使用sequencefile时，块压缩通常是首选选项。
这里的块与hdfs或文件系统块无关。