Json Fluentd Apache日志数据的配置单元创建表语句
我正在使用Fluentd在HDFS中捕获和整合Apache日志数据。我将代理配置为将数据写入HDFS,即/etc/td-agent/td-agent.conf文件包含:Json Fluentd Apache日志数据的配置单元创建表语句,json,hadoop,hive,fluentd,Json,Hadoop,Hive,Fluentd,我正在使用Fluentd在HDFS中捕获和整合Apache日志数据。我将代理配置为将数据写入HDFS,即/etc/td-agent/td-agent.conf文件包含: <source> type tail path /var/log/httpd/access_log pos_file /var/log/td-agent/httpd-access.log.pos tag apache.access format apache2 </source> &
<source>
type tail
path /var/log/httpd/access_log
pos_file /var/log/td-agent/httpd-access.log.pos
tag apache.access
format apache2
</source>
<match apache.access>
type webhdfs
host fqdn.of.name.node
port 50070
path /data/access_logs/access.log.%Y%m%d_%H.${hostname}.log
flush_interval 10s
</match>
每行包含三个选项卡分隔的元素:
时间戳
识别标签
包含Apache日志中列的键/值对的JSON
我正在尝试创建一个配置单元表,但不确定如何处理这样一个事实,即每行上都混合了制表符分隔的字符串和JSON。我知道Hive有一个JSON反序列化程序,但我认为这不起作用,因为记录不是纯JSON
有人对如何为此数据编写create table语句有什么建议吗?尝试将以下参数添加到out\u wedhdfs配置中:
output_data_type json
这应该记录在案。我会很快更新文档
output_data_type json