Flume；里的HDFS上的sink参数配置

关键字：flume、hdfs、sink、配置参数

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。

• channel
• 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。

• 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。

• 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；

• 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

• round

默认值：false

是否启用时间上的”舍弃”，这里的”舍弃”，类似于”四舍五入”，后面再介绍。如果启用，则会影响除了%t的其他所有时间表达式；

• 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，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 = 10

a1.sinks.k1.hdfs.roundUnit = minute

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

/flume/events/20151016/17:30/00

因为设置的是舍弃10分钟内的时间，因此，该目录每10分钟新生成一个。

• 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。

1. agent_lxw1234.sinks.sink1.type = hdfs
2. agent_lxw1234.sinks.sink1.hdfs.path = hdfs://cdh5/tmp/lxw1234/%Y%m%d
3. agent_lxw1234.sinks.sink1.hdfs.filePrefix = log_%Y%m%d_%H
4. agent_lxw1234.sinks.sink1.hdfs.fileSuffix = .lzo
5. agent_lxw1234.sinks.sink1.hdfs.useLocalTimeStamp = true
6. agent_lxw1234.sinks.sink1.hdfs.writeFormat = Text
7. agent_lxw1234.sinks.sink1.hdfs.fileType = CompressedStream
8. agent_lxw1234.sinks.sink1.hdfs.rollCount = 0
9. agent_lxw1234.sinks.sink1.hdfs.rollSize = 0
10. agent_lxw1234.sinks.sink1.hdfs.rollInterval = 600
11. agent_lxw1234.sinks.sink1.hdfs.codeC = lzop
12. agent_lxw1234.sinks.sink1.hdfs.batchSize = 100
13. agent_lxw1234.sinks.sink1.hdfs.threadsPoolSize = 10
14. agent_lxw1234.sinks.sink1.hdfs.idleTimeout = 0
15. agent_lxw1234.sinks.sink1.hdfs.minBlockReplicas = 1

转自：http://lxw1234.com/archives/2015/10/527.htm