Flume中的HDFS Sink配置参数说明

骑猪看日落 2021-06-24 15:57 419阅读 0赞

Flume中的HDFS Sink应该是非常常用的，其中的配置参数也比较多，在这里记录备忘一下。  
**channel  
type**：hdfs

**path：**写入hdfs的路径，需要包含文件系统标识，可以使用flume提供的日期及%\{host\}表达式。比如：hdfs://namenode/flume/webdata/

**注：**这里可以使用flume提供的日期相关表达式，常用的有， hdfs://hadoop-jy-namenode/data/qytt/flume/ttengine\_api/dt=%Y-%m-%d/hour=%H

**filePrefix：**写入hdfs的文件名前缀，可以使用flume提供的日期及%\{host\}表达式。默认值：FlumeData  
  
**fileSuffix**：写入hdfs的文件名后缀，比如：.lzo .log等。  
  
**inUsePrefix**：临时文件的文件名前缀，hdfs sink会先往目标目录中写临时文件，再根据相关规则重命名成最终目标文件；  
  
**inUseSuffix**：临时文件的文件名后缀。默认值：.tmp  
  
**rollInterval：**hdfs sink间隔多长将临时文件滚动成最终目标文件，单位：秒。默认值：30，如果设置成0，则表示不根据时间来滚动文件；  
注：滚动（roll）指的是，hdfs sink将临时文件重命名成最终目标文件，并新打开一个临时文件来写入数据；  
  
**rollSize：**当临时文件达到该大小（单位：bytes）时，滚动成目标文件；默认值：1024,如果设置成0，则表示不根据临时文件大小来滚动文件；  
  
**rollCount**：当events数据达到该数量时候，将临时文件滚动成目标文件；默认值：10，如果设置成0，则表示不根据events数据来滚动文件；  
  
**idleTimeout**：当目前被打开的临时文件在该参数指定的时间（秒）内，没有任何数据写入，则将该临时文件关闭并重命名成目标文件；默认值：0  
  
**batchSize**：每个批次刷新到HDFS上的events数量；默认值：100  
  
**codeC**：文件压缩格式，包括：gzip, bzip2, lzo, lzop, snappy  
  
**fileType**：文件格式，包括：SequenceFile, DataStream,CompressedStream，默认值：SequenceFile

*  当使用DataStream时候，文件不会被压缩，不需要设置hdfs.codeC;
 *  当使用CompressedStream时候，必须设置一个正确的hdfs.codeC值；

**maxOpenFiles**：最大允许打开的HDFS文件数，当打开的文件数达到该值，最早打开的文件将会被关闭；默认值：5000  
  
**minBlockReplicas**：写入HDFS文件块的最小副本数。该参数会影响文件的滚动配置，一般将该参数配置成1，才可以按照配置正确滚动文件。默认值：HDFS副本数  
  
**writeFormat**：写sequence文件的格式。包含：Text, Writable（默认）  
  
**callTimeout**：执行HDFS操作的超时时间（单位：毫秒）；默认值：10000  
  
**threadsPoolSize**：hdfs sink启动的操作HDFS的线程数。默认值：10  
  
**rollTimerPoolSize**：hdfs sink启动的根据时间滚动文件的线程数。默认值：1  
  
**kerberosPrincipal**：HDFS安全认证kerberos配置；  
  
**kerberosKeytab**：HDFS安全认证kerberos配置；  
  
**proxyUser**：代理用户  
  
**round**：是否启用时间上的”舍弃”，这里的”舍弃”，类似于”四舍五入”，后面再介绍。如果启用，则会影响除了%t的其他所有时间表达式；默认值：false  
  
**roundValue**：时间上进行“舍弃”的值；默认值：1  
  
**roundUnit**：时间上进行”舍弃”的单位，包含：second,minute,hour，默认值：seconds  
  
示例：  
a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/%S  
a1.sinks.k1.hdfs.round = true  
a1.sinks.k1.hdfs.roundValue = 10  
a1.sinks.k1.hdfs.roundUnit = minute  
当时间为2015-10-16 17:38:59时候，hdfs.path依然会被解析为：/flume/events/20151016/17:30/00  因为设置的是舍弃10分钟内的时间，因此，该目录每10分钟新生成一个。  
  
**timeZone**：时区。默认值：Local Time

**useLocalTimeStamp**：是否使用当地时间。默认值：flase

**closeTries**：hdfs sink关闭文件的尝试次数；默认值：0。如果设置为1，当一次关闭文件失败后，hdfs sink将不会再次尝试关闭文件，这个未关闭的文件将会一直留在那，并且是打开状态。设置为0，当一次关闭失败后，hdfs sink会继续尝试下一次关闭，直到成功。  
  
**retryInterval**：hdfs sink尝试关闭文件的时间间隔，如果设置为0，表示不尝试，相当于于将hdfs.closeTries设置成1。默认值：180（秒）  
  
**serializer**：序列化类型。其他还有：avro\_event或者是实现了EventSerializer.Builder的类名。默认值：TEXT

下面的配置中，在HDFS的/tmp/lxw1234/目录下，每天生成一个格式为20151016的目录，目标文件每5分钟生成一个，文件名格式为：log\_20151016\_13.1444973768543.lzo。目标文件采用lzo压缩。

agent_lxw1234.sinks.sink1.type = hdfs
    agent_lxw1234.sinks.sink1.hdfs.path = hdfs://cdh5/tmp/lxw1234/%Y%m%d
    agent_lxw1234.sinks.sink1.hdfs.filePrefix = log_%Y%m%d_%H
    agent_lxw1234.sinks.sink1.hdfs.fileSuffix = .lzo
    agent_lxw1234.sinks.sink1.hdfs.useLocalTimeStamp = true
    agent_lxw1234.sinks.sink1.hdfs.writeFormat = Text
    agent_lxw1234.sinks.sink1.hdfs.fileType = CompressedStream
    agent_lxw1234.sinks.sink1.hdfs.rollCount = 0
    agent_lxw1234.sinks.sink1.hdfs.rollSize = 0
    agent_lxw1234.sinks.sink1.hdfs.rollInterval = 600
    agent_lxw1234.sinks.sink1.hdfs.codeC = lzop
    agent_lxw1234.sinks.sink1.hdfs.batchSize = 100
    agent_lxw1234.sinks.sink1.hdfs.threadsPoolSize = 10
    agent_lxw1234.sinks.sink1.hdfs.idleTimeout = 0
    agent_lxw1234.sinks.sink1.hdfs.minBlockReplicas = 1

参考：http://lxw1234.com/archives/2015/10/527.htm