Hadoop Flume到HDFS将文件拆分为多个文件
我正在尝试将一个700 MB的日志文件从Hadoop Flume到HDFS将文件拆分为多个文件,hadoop,hdfs,flume,flume-ng,Hadoop,Hdfs,Flume,Flume Ng,我正在尝试将一个700 MB的日志文件从flume传输到HDFS。 我已将flume代理配置如下: ... tier1.channels.memory-channel.type = memory ... tier1.sinks.hdfs-sink.channel = memory-channel tier1.sinks.hdfs-sink.type = hdfs tier1.sinks.hdfs-sink.path = hdfs://*** tier1.sinks.hdfs-sink.fileT
flume
传输到HDFS
。
我已将flume代理配置如下:
...
tier1.channels.memory-channel.type = memory
...
tier1.sinks.hdfs-sink.channel = memory-channel
tier1.sinks.hdfs-sink.type = hdfs
tier1.sinks.hdfs-sink.path = hdfs://***
tier1.sinks.hdfs-sink.fileType = DataStream
tier1.sinks.hdfs-sink.rollSize = 0
源是一个spooldir
,通道是memory
,接收器是hdfs
我还尝试发送1MB文件,flume将其拆分为1000个文件,每个文件大小为1KB。
我注意到的另一件事是传输非常慢,1MB大约需要1分钟。
我做错什么了吗?您也需要禁用rolltimeout,这通过以下设置完成:
tier1.sinks.hdfs-sink.hdfs.rollCount = 0
tier1.sinks.hdfs-sink.hdfs.rollInterval = 300
rollcount可防止翻滚,此处的rollIntervall设置为300秒,设置为0将禁用超时。您必须选择要滚动的机制,否则Flume只会在关闭时关闭文件
默认值如下所示:
hdfs.rollInterval 30 Number of seconds to wait before rolling current file (0 = never roll based on time interval)
hdfs.rollSize 1024 File size to trigger roll, in bytes (0: never roll based on file size)
hdfs.rollCount 10 Number of events written to file before it rolled (0 = never roll based on number of events)
谢谢,这很有效。但现在,在完成此配置后,我无法传输更多文件。Flume说它已成功传输,但我无法在hdfs中看到该文件。有什么建议吗?当flume将事件写入HDFS时,您总会在目标目录中看到一个临时文件。您可以使用各种前缀和后缀控制文件的命名。一旦文件被写入,您还会看到hdfs接收器在hdfs上关闭它。一个好的开始是将log4j的日志级别设置为debug。