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!