1

我有一个玩具设置，使用 Flume 将 log4j 消息发送到 hdfs。我无法配置 hdfs 接收器以避免许多小文件。我想我可以配置 hdfs sink 以在每次文件大小达到 10mb 时创建一个新文件，但它仍在创建大约 1.5KB 的文件。

这是我当前的水槽配置：

a1.sources=o1
a1.sinks=i1
a1.channels=c1

#source configuration
a1.sources.o1.type=avro
a1.sources.o1.bind=0.0.0.0
a1.sources.o1.port=41414

#sink config
a1.sinks.i1.type=hdfs
a1.sinks.i1.hdfs.path=hdfs://localhost:8020/user/myName/flume/events
#never roll-based on time
a1.sinks.i1.hdfs.rollInterval=0
#10MB=10485760
a1.sinks.il.hdfs.rollSize=10485760
#never roll base on number of events
a1.sinks.il.hdfs.rollCount=0

#channle config
a1.channels.c1.type=memory
a1.channels.c1.capacity=1000
a1.channels.c1.transactionCapacity=100

a1.sources.o1.channels=c1
a1.sinks.i1.channel=c1
4

3 回答 3

5

这是你在conf中的错字。

#sink config
a1.sinks.i1.type=hdfs
a1.sinks.i1.hdfs.path=hdfs://localhost:8020/user/myName/flume/events
#never roll-based on time
a1.sinks.i1.hdfs.rollInterval=0
#10MB=10485760
a1.sinks.il.hdfs.rollSize=10485760
#never roll base on number of events
a1.sinks.il.hdfs.rollCount=0

在“rollSize”和“rollCount”行中，您将il设置为i1。请尝试使用DEBUG，然后你会发现：

[SinkRunner-PollingRunner-DefaultSinkProcessor] (org.apache.flume.sink.hdfs.BucketWriter.shouldRotate:465)  - rolling: rollSize: 1024, bytes: 1024

由于il，使用了默认值 rollSize 1024。

于 2014-10-11T18:24:28.227 回答
0

由于内存通道及其容量，这可能会发生。我猜它的容量一满就将数据转储到 HDFS。您是否尝试使用文件通道而不是内存？

于 2014-10-09T07:14:10.513 回答
0

HDFS Sink 有一个属性hdfs.batchSize（默认为 100），它描述了“在刷新到 HDFS 之前写入文件的事件数”。我认为这是你的问题。

还要考虑检查所有其他属性：HDFS Sink。

于 2014-10-03T10:37:41.753 回答