Http 通过Streamset Data Collector进行流式处理时在文件名中追加UUID
我使用HttpClient origin将一个文件从HTTP url流式传输到Hadoop目标,但是目标中的文件名附加了一些随机uuid。我希望文件名与源文件名相同 示例:源文件名为README.txt, 目标文件名为README_112e5d4b-4d85-4764-ab81-1d7b6e0237b2.txt 我希望目标文件名为README.txt 我将向您展示我的配置Http 通过Streamset Data Collector进行流式处理时在文件名中追加UUID,http,hadoop,client,streamsets,Http,Hadoop,Client,Streamsets,我使用HttpClient origin将一个文件从HTTP url流式传输到Hadoop目标,但是目标中的文件名附加了一些随机uuid。我希望文件名与源文件名相同 示例:源文件名为README.txt, 目标文件名为README_112e5d4b-4d85-4764-ab81-1d7b6e0237b2.txt 我希望目标文件名为README.txt 我将向您展示我的配置 HTTP Client : General Name : HTTP Client 1 Description :
HTTP Client :
General
Name : HTTP Client 1
Description :
On Record Error : Send to Error
HTTP
Resource URL : http://files.data.gouv.fr/sirene/README.txt
Headers :
Mode : Streaming
Per-Status Actions
HTTP Statis Code : 500 | Action for status : Retry with exponential backoff |
Base Backoff Interval (ms) : 1000 | Max Retries : 10
HTTP Method : GET
Body Time Zone : UTC (UTC)
Request Transfert Encoding : BUFFERED
HTTP Compression : None
Connect Timeout : 0
Read Timeout : 0
Authentication Type : None
Use OAuth 2
Use Proxy
Max Batch Size (records) : 1000
Batch Wait Time (ms) : 2000
Pagination
Pagination Mode : None
TLS
UseTLS
Timeout Handling
Action for timeout : Retry immediately
Max Retries : 10
Data Format
Date Format : Text
Compression Format : None
Max Line Length : 1024
Use Custom Delimiter
Charset : UTF-8
Ignore Control Characters
Logging
Enable Request Logging
Hadoop FS Destination :
General
Name : Hadoop FS 1
Description : Writing into HDFS
Stage Library : CDH 5.10.1
Produce Events
Required Fields
Preconditions
On Record Error : Send to Error
Output Files
File Type : Text Files
Files Prefix : README
File Suffix : txt
Directory in Header
Directory Template : /user/username/
Data Time Zone : UTC (UTC)
Time Basis : ${time:now()}
Max Records in File : 0
Max File Size (MB) : 0
Idle Timeout : ${1 * HOURS}
Compression Codec : None
Use Roll Attribute
Validate HDFS Permissions : ON
Skip file recovery
Late Records
Late Record Time Limit (secs) : ${1 * HOURS}
Late Record Handling : Send to error
Data Format
Data Format : Text
Text Field Path : /text
Record Separator : \n
On Missing Field : Report Error
Charset : UTF-8
您可以配置文件名前缀和后缀,但无法删除UUID 在许多情况下,目录是Hadoop中最小的有用文件系统实体。由于文件可能由多个客户端同时写入,并且由于操作原因(如文件大小超过给定阈值),文件可能被“滚动”(当前输出文件关闭,新文件打开),Data Collector确保文件名是唯一的,以避免意外数据丢失
如果您真的想这样做,有一个变通方法:在Hadoop目标上启用事件并使用重命名文件。更多信息,请参见此。谢谢@metadaddy。我还有一个问题,文件内容正在从源复制到目标。假设源文件内容是“SIRENE”,而目标文件内容类似于SIRENE-SIRENE-SIRENE。是否有任何配置更改,我需要这样做,以使这不会发生。这不应该发生。在删除所有密码等的管道JSON导出后,您可以问一个新问题吗?顺便说一句,我们有特定的社区频道流集-请参阅