近年来随着大数据的被大量应用到社会生活中,导致无论是在数据量上还是在数据类型上都呈现了一种爆炸性的增长,从而使得在对数据分析时需要有更高的存储能力,因此,作为在云计算概念上延伸和发展出来的大数据处理技术,业已成为炙手可热的研究方向。而Hadoop平台作为当前应用最广的云计算大数据处理平台,其在面对海量小文件处理时,则由于先天的设计因素,在直接应用时存在着处理效率低下的问题。针对Hadoop平台下海量小文件的处理效率低下的问题,本文结合实际工程部署情况,主要从下面三个方面进行分析优化:首先,在集群的底层架构方面,通过分析比较传统虚拟化技术与容器技术在处理性能方面的差异,使用更好的Hadoop平台的底层架构方案,即不使用传统的虚拟机架构方案,而采用容器作为底层的部署环境来搭建Hadoop平台,从而提高Hadoop平台下各应用的数据处理能力;在文件存储方面,基于Hadoop平台下现有的HDFS,采用分类汇总的基本思想,结合实际情况来寻找合适的方案来提高Hadoop平台对于海量小文件的存储效率;在数据处理层面上,结合Hadoop生态系统中的新的计算框架,即使用基于内存的计算模型来提高数据处理海量小文件的效率。本文通过构建各项测试平台,结合实验数据说明了在Hadoop平台下海量小文件的优化处理方案。