Question

我有一个玩具设置使用flume向hdfs发送log4j消息。我无法配置hdfs接收器以避免许多小文件。我以为我可以配置hdfs接收器来创建一个新文件，每次文件大小达到10mb，但它仍然创建大约1.5KB的文件。

这是我目前的水槽配置：

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

Answer 1

这是你的错误。

#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

在第一行＆＃39; rollSize＆＃39;和＆＃39; rollCount＆＃39;，您将 il 设为 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 ，正在使用rollSize 1024的默认值。

Answer 2

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。

Answer 3

由于内存通道及其容量，可能会发生这种情况。我想它一旦容量变满就将数据转储到HDFS。您是否尝试使用文件通道而不是内存？

Flume HDFS Sink在HDFS上生成大量小文件

3 个答案: