Flume参数详解

目录

配置参数详解

小文件问题

注意事项

1.idleTimeout 设置为 0  

2.round 与 rollInterval 理解有误


配置参数详解

type :hdfs

path

           集群的nameservers名字;单节点的直接写:hdfs://主机名(ip):9000/xxx   

           HA集群:  hdfs://mycluster/flume/%Y%m%d  

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。

writeFormat
            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”。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。

 

小文件问题

产生很多小文件的原因,从以下几个方面找问题:

1.minBlockReplicas未配置,应配置为 1

2.概念理解有误

# 在有数据的前提下,每隔60秒滚动一次文件
a1.sinks.k3.hdfs.rollInterval=60
# 在有数据的前提下,当文件大小达到100M,就滚动一次文件
a1.sinks.k3.hdfs.rollSize=102400
# 在有数据的前提下,当文件记录的条数超过10条,就滚动一次文件
a1.sinks.k3.hdfs.rollCount=10
  只要满足其中一个条件,就会滚动生成文件

 

 

注意事项

1.idleTimeout 设置为 0  

          如果flume程序突然宕机,就会导致 hdfs上的 .tmp后缀的文件无法会更改为完成的文件,造成一种假象,以为该文件正在写入。当程序重启时,就会有两个 .tmp文件。

          如果idle Timeout有设置值m,当在m秒内没有数据写入,就会把tmp文件改为已完成。后面再有数据过来的时候重新生成.tmp文件。

         建议:最好设置一个比较大的值,防止小文件产生,若不设置,宕机的话会有tmp文件

2.round 与 rollInterval 理解有误

 round、roundValue、roundUnit是基于路径path去滚动生成文件夹的,针对文件夹而言

 rollInterval、rollSize、rollCount是基于文件的条件限制滚动生成文件的,基于文件而言的

你可能感兴趣的:(Flume)