HDFS Sink使用技巧

1、文件滚动策略

在HDFS Sink的文件滚动就是文件生成，即关闭当前文件，创建新文件。它的滚动策略由以下几个属性控制：

hdfs.rollInterval

基于时间间隔来进行文件滚动，默认是30，即每隔30秒滚动一个文件。0就是不使用这个策略。

hdfs.rollSize

基于文件大小进行文件滚动，默认是1024，即当文件大于1024个字节时，关闭当前文件，创建新的文件。0就是不使用这个策略。

hdfs.rollCount

基于event数量进行文件滚动。默认是10，即event个数达到10时进行文件滚动。0就是不使用这个策略。

hdfs.idleTimeout

闲置N秒后，关闭当前文件（去掉.tmp后缀）。

以上这些策略可以同时启用，比如下面的配置的策略是：每大约50K一个文件，闲置10秒则关闭当前文件（.tmp）

1 2 3 4 5 6 7 8

a1.sinks=k1 ... a1.sinks.k1.type=hdfs a1.sinks.k1.hdfs.path=hdfs​://vm1:8020/flume/ a1.sinks.k1.hdfs.rollInterval=0 a1.sinks.k1.hdfs.rollSize=50000 a1.sinks.k1.hdfs.rollCount=0 a1.sinks.k1.hdfs.idleTimeout=10

2、文件名策略

文件路径或文件名可以使用占位符，官方提供的占位符如下：​

Alias	Description
%{host}	Substitute value of event header named “host”. Arbitrary header names are supported.
%t	Unix time in milliseconds
%a	locale’s short weekday name (Mon, Tue, ...)
%A	locale’s full weekday name (Monday, Tuesday, ...)
%b	locale’s short month name (Jan, Feb, ...)
%B	locale’s long month name (January, February, ...)
%c	locale’s date and time (Thu Mar 3 23:05:25 2005)
%d	day of month (01)
%D	date; same as %m/%d/%y
%H	hour (00..23)
%I	hour (01..12)
%j	day of year (001..366)
%k	hour ( 0..23)
%m	month (01..12)
%M	minute (00..59)
%p	locale’s equivalent of am or pm
%s	seconds since 1970-01-01 00:00:00 UTC
%S	second (00..59)
%y	last two digits of year (00..99)
%Y	year (2010)
%z	+hhmm numeric timezone (for example, -0400)

想要使用跟时间、日期有关的占位符，需要有timestamp拦截器

想要使用host属性，需要有host拦截器

如果有自定义拦截器，也可以使用自定义属性。

1）文件的命名

hdfs.filePrefix 文件前缀，默认是FlumeData

hdfs.fileSuffix 文件后缀，默认没有。

例子如下，文件以分钟命名：

1 2 3 4 5

a1.sinks=k1 ... a1.sinks.k1.type=hdfs ... a1.sinks.k1.hdfs.filePrefix=%M.log

2）文件父路径的命名：

例子如下，/host地址/年-月-日/：

1 2 3 4 5

a1.sinks=k1 ... a1.sinks.k1.type=hdfs ... a1.sinks.k1.hdfs.path=hdfs://vm1:8020/flume/%{host}/%Y-%m-%d

来自为知笔记(Wiz)