shell脚本定时采集日志数据

一、采集数据到HDFS

1、建一个log4j.properties

log4j.rootLogger=INFO,testlog
log4j.appender.testlog = org.apache.log4j.RollingFileAppender 
log4j.appender.testlog.layout = org.apache.log4j.PatternLayout 
log4j.appender.testlog.layout.ConversionPattern = [%-5p][%-22d{yyyy/MM/dd HH:mm:ssS}][%l]%n%m%n 
log4j.appender.testlog.Threshold = INFO 
log4j.appender.testlog.ImmediateFlush = TRUE 
log4j.appender.testlog.Append = TRUE 
log4j.appender.testlog.File = /home/hadoop/logs/log/access.log 
log4j.appender.testlog.MaxFileSize = 10KB 
log4j.appender.testlog.MaxBackupIndex = 20 
#log4j.appender.testlog.Encoding = UTF-8 

2、写一个shell脚本 xxx.sh文件

#!/bin/bash	
#set java env
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_51
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

#set hadoop env
export HADOOP_HOME=/home/hadoop/app/hadoop-2.6.4
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH


#版本1的问题：
#虽然上传到Hadoop集群上了，但是原始文件还在。如何处理？
#日志文件的名称都是xxxx.log1,再次上传文件时，因为hdfs上已经存在了，会报错。如何处理？

#如何解决版本1的问题
#   1、先将需要上传的文件移动到待上传目录
#	2、在讲文件移动到待上传目录时，将文件按照一定的格式重名名
#  /export/software/hadoop.log1   /export/data/click_log/xxxxx_click_log_{date}

#日志文件存放的目录
log_src_dir=/home/hadoop/logs/log/

#待上传文件存放的目录
log_toupload_dir=/home/hadoop/logs/toupload/

#日志文件上传到hdfs的根路径
hdfs_root_dir=/data/clickLog/20151226/

#打印环境变量信息
echo "envs: hadoop_home: $HADOOP_HOME"

#读取日志文件的目录，判断是否有需要上传的文件
echo "log_src_dir:"$log_src_dir
ls $log_src_dir | while read fileName
do
	if [[ "$fileName" == access.log.* ]]; then
	# if [ "access.log" = "$fileName" ];then
		date=`date +%Y_%m_%d_%H_%M_%S`
		#将文件移动到待上传目录并重命名
		#打印信息
		echo "moving $log_src_dir$fileName to $log_toupload_dir"xxxxx_click_log_$fileName"$date"
		mv $log_src_dir$fileName $log_toupload_dir"xxxxx_click_log_$fileName"$date
		#将待上传的文件path写入一个列表文件willDoing
		echo $log_toupload_dir"xxxxx_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date
	fi
	
done
#找到列表文件willDoing
ls $log_toupload_dir | grep will |grep -v "_COPY_" | grep -v "_DONE_" | while read line
do
	#打印信息
	echo "toupload is in file:"$line
	#将待上传文件列表willDoing改名为willDoing_COPY_
	mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"
	#读列表文件willDoing_COPY_的内容（一个一个的待上传文件名）  ,此处的line 就是列表中的一个待上传文件的path
	cat $log_toupload_dir$line"_COPY_" |while read line
	do
		#打印信息
		echo "puting...$line to hdfs path.....$hdfs_root_dir"
		hadoop fs -put $line $hdfs_root_dir
	done	
	mv $log_toupload_dir$line"_COPY_"  $log_toupload_dir$line"_DONE_"
done

3、将log4j.properties打成jar包，放在hadoop集群里，这样就能产生日志数据，然后启动shell脚本，就能将日志数据采集到hdfs里

二、导入数据到Hive

1、编写shell脚本

#!/bin/bash

export HIVE_HOME=/opt/apps/hive-3.1.2/

DT=`date -d'-1 day' +%Y-%m-%d`

if [ $1 ]
then
DT=$1
fi

${HIVE_HOME}/bin/hive -e "
load data inpath '/logdata/app/${DT}' into table ODS17.APP_ACTION_LOG partition (dt='${DT}');
"

if [ $? -eq 0 ]
then 
echo "congratulations! 任务执行成功！ 邮件已发送至[email protected]"
else
echo "节哀顺变! 任务失败! 邮件已发送至[email protected]"
fi

2、添加定时器

配置定时调度（如果是简单的系统，可以用linux自带的crontab）；

（项目中我们会采用更强大的定时调度系统：azkaban/oozie/airflow）

crontab -e
10 0 * * * sh /root/taskshells/01.load_ods.app_action_log.sh

更多java、大数据学习面试资料，请扫码关注我的公众号：