【Flume】Flume中的HDFS Sink配置项详解

    Flume中的HDFS Sink应该是非常常用的，其中的配置参数也比较多，在这里记录备忘一下:

type

• hdfs

path

• 写入hdfs的路径，需要包含文件系统标识，比如：hdfs://namenode/flume/webdata/

• 可以使用flume提供的日期及%{host}表达式。

filePrefix

• 默认值：FlumeData

• 写入hdfs的文件名前缀，可以使用flume提供的日期及%{host}表达式。

fileSuffix

• 写入hdfs的文件名后缀，比如：.lzo .log等。

rollInterval

• 默认值：30

• hdfs sink间隔多长将临时文件滚动成最终目标文件，单位：秒；

• 如果设置成0，则表示不根据时间来滚动文件；

• 注：滚动（roll）指的是，hdfs sink将临时文件重命名成最终目标文件，并新打开一个临时文件来写入数据；

rollSize

• 默认值：1024

• 当临时文件达到该大小（单位：bytes）时，滚动成目标文件；

• 如果设置成0，则表示不根据临时文件大小来滚动文件；

rollCount

• 默认值：10

• 当events数据达到该数量时候，将临时文件滚动成目标文件；

• 如果设置成0，则表示不根据events数据来滚动文件；

round

• 默认值：false

roundValue

• 默认值：1

• 时间上进行“舍弃”的值；

roundUnit

• 默认值：seconds

• 时间上进行”舍弃”的单位，可以理解为文件夹滚动的单位，包含：second,minute,hour

  示例：

a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/%S

a1.sinks.k1.hdfs.round = true

a1.sinks.k1.hdfs.roundValue = 1

a1.sinks.k1.hdfs.roundUnit = hour

 当时间为2015-10-16 17:38:59时候，hdfs.path依然会被解析为：

/flume/events/20151016/17:00/00

因为设置的是舍弃1小时内的时间，因此，该文件夹每1小时新生成一个。

inUsePrefix

• 临时文件的文件名前缀，hdfs sink会先往目标目录中写临时文件，再根据相关规则重命名成最终目标文件；

inUseSuffix

• 默认值：.tmp

• 临时文件的文件名后缀。

idleTimeout

• 默认值：0
• 当目前被打开的临时文件在该参数指定的时间（秒）内，没有任何数据写入，则将该临时文件关闭并重命名成目标文件；

batchSize

• 默认值：100

• 每个批次刷新到HDFS上的events数量；

codeC

• 文件压缩格式，包括：gzip, bzip2, lzo, lzop, snappy

fileType

• 默认值：SequenceFile

• 文件格式，包括：SequenceFile, DataStream,CompressedStream

• 当使用DataStream时候，文件不会被压缩，不需要设置hdfs.codeC;

• 当使用CompressedStream时候，必须设置一个正确的hdfs.codeC值；

maxOpenFiles

• 默认值：5000

• 最大允许打开的HDFS文件数，当打开的文件数达到该值，最早打开的文件将会被关闭；

minBlockReplicas

• 默认值：HDFS副本数

• 写入HDFS文件块的最小副本数。

• 该参数会影响文件的滚动配置，一般将该参数配置成1，才可以按照配置正确滚动文件。待研究。

writeFormat

• 写sequence文件的格式。包含：Text, Writable（默认）

callTimeout

• 默认值：10000

• 执行HDFS操作的超时时间（单位：毫秒）；

threadsPoolSize

• 默认值：10

• hdfs sink启动的操作HDFS的线程数。

rollTimerPoolSize

• 默认值：1

• hdfs sink启动的根据时间滚动文件的线程数。

kerberosPrincipal

• HDFS安全认证kerberos配置；

kerberosKeytab

• HDFS安全认证kerberos配置；

proxyUser
代理用户

timeZone

• 默认值：Local Time

• 时区。

useLocalTimeStamp

• 默认值：flase

• 是否使用当地时间。

closeTries

• 默认值：0

• hdfs sink关闭文件的尝试次数；

• 如果设置为1，当一次关闭文件失败后，hdfs sink将不会再次尝试关闭文件，这个未关闭的文件将会一直留在那，并且是打开状态。

• 设置为0，当一次关闭失败后，hdfs sink会继续尝试下一次关闭，直到成功。

retryInterval

• 默认值：180（秒）

• hdfs sink尝试关闭文件的时间间隔，如果设置为0，表示不尝试，相当于于将hdfs.closeTries设置成1.

serializer

• 默认值：TEXT

• 序列化类型。其他还有：avro_event或者是实现了EventSerializer.Builder的类名。

  下面的配置中，在HDFS的/tmp/lxw1234/目录下，每天生成一个格式为20151016的目录，目标文件每5分钟生成一个，文件名格式为：log_20151016_13.1444973768543.lzo,目标文件采用lzo压缩。

agent_lxw1234.sinks.sink1.type = hdfs
agent_lxw1234.sinks.sink1.hdfs.path = hdfs://cdh5/tmp/lxw1234/%Y%m%d
agent_lxw1234.sinks.sink1.hdfs.filePrefix = log_%Y%m%d_%H
agent_lxw1234.sinks.sink1.hdfs.fileSuffix = .lzo
agent_lxw1234.sinks.sink1.hdfs.useLocalTimeStamp = true
agent_lxw1234.sinks.sink1.hdfs.writeFormat = Text
agent_lxw1234.sinks.sink1.hdfs.fileType = CompressedStream
agent_lxw1234.sinks.sink1.hdfs.rollCount = 0
agent_lxw1234.sinks.sink1.hdfs.rollSize = 0
agent_lxw1234.sinks.sink1.hdfs.rollInterval = 600
agent_lxw1234.sinks.sink1.hdfs.codeC = lzop
agent_lxw1234.sinks.sink1.hdfs.batchSize = 100
agent_lxw1234.sinks.sink1.hdfs.threadsPoolSize = 10
agent_lxw1234.sinks.sink1.hdfs.idleTimeout = 0
agent_lxw1234.sinks.sink1.hdfs.minBlockReplicas = 1

用博客见证成长，用行动证明我在努力。
如果你有缘看到我博客，对你有帮助、喜欢博客内容，请“点赞” “评论”“收藏”一键三连哦！