收集的一些资料加上自己的一些理解：sink hdfs 可以通过根据时间、文件大小，还有events的数量来生成文件
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。
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
转载自：http://lxw1234.com/archives/2015/10/527.htm