Regex 阿帕奇水槽。带有多路复用通道选择器的正则表达式提取器

我有以下Flume配置，用于获取具有特定数值的服务器日志条目，并将它们推送到相应的位置 卡夫卡主题

# Name the components on this agent
a1.sources = r1
a1.channels = c2 c3

# Describe/configure the source
a1.sources.r1.type = spooldir 
a1.sources.r1.spoolDir = /home/user/spoolFlume
a1.sources.r1.fileSuffix = .DONE
a1.sources.r1.basenameHeader = true
a1.sources.r1.deserializer.maxLineLength = 8192

a1.sources.r1.interceptors = i1 
a1.sources.r1.interceptors.i1.type = regex_extractor
a1.sources.r1.interceptors.i1.regex = (2725391)
a1.sources.r1.interceptors.i1.serializers = id 
a1.sources.r1.interceptors.i1.serializers.id.name = project_id
a1.sources.r1.selector.type = multiplexing
a1.sources.r1.selector.header = project_id 
a1.sources.r1.selector.mapping.2725391 = c3
a1.sources.r1.selector.default = c2


a1.channels.c2.type = org.apache.flume.channel.kafka.KafkaChannel
a1.channels.c2.brokerList=kafka10.profile:9092,kafka11.profile:9092,kafka12.profile:9092
a1.channels.c2.topic = flume_test_002
a1.channels.c2.zookeeperConnect = kafka10.profile:2181,kafka11.profile:2181,kafka12.profile:2181
#default = true
a1.channels.c2.parseAsFlumeEvent = true

a1.channels.c3.type = org.apache.flume.channel.kafka.KafkaChannel                                       
a1.channels.c3.brokerList = kafka10.profile:9092,kafka11.profile:9092,kafka12.profile:9092
a1.channels.c3.topic = flume_test_003
a1.channels.c3.zookeeperConnect = kafka10.profile:2181,kafka11.profile:2181,kafka12.profile:2181
a1.channels.c3.parseAsFlumeEvent = true

# Bind the source and sink to the channel
a1.sources.r1.channels = c2 c3

我用更复杂的regexp做了一些测试，在

cat | grep-E

中看起来都不错，但是当我试图在Flume配置中使用它时，并不是所有的条目都被捕获

现在我使用一个单词regexp，但即使这样，也不会捕获所有条目，即并非所有“正确”条目都会转到kafka主题（例如，我在日志中有两个带有“2725391”的字符串，但经过处理后，我只能在kafka中看到一个条目）

Flume配置似乎有问题。如有任何建议，将不胜感激

更新2。更重要的是，当我使用短文件（少于100个字符串）进行解析时，一切都很好。对于2GB左右的文件，我遗漏了条目

更新3。我找到了解析所有条目的方法

a1.sources.r1.decodeErrorPolicy = IGNORE

这很有帮助，因为在Kafka通道中解析的事件的头中有一个奇怪的符号。我不知道它来自哪里，因为在处理之前，原始日志中没有这样的符号：/

basename00278388pid2725391�31.28.244.74

---

解决方案是设置JAVA_HOME适当的值并设置以下设置：

a1.sources.r1.decodeErrorPolicy = IGNORE

问题的根源是日志中的非UTF字符