Flume中hdfs sink配置参数详解

• type

  hdfs

• path

  写入hdfs的路径，需要包含文件系统标识，比如：hdfs://namenode/flume/webdata/

可以使用flume提供的日期及%{host}表达式。

• filePrefix

  默认值：FlumeData
  写入hdfs的文件名前缀，可以使用flume提供的日期及%{host}表达式。

• 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

  默认值：.tmp
  临时文件的文件名后缀。

• rollInterval

  默认值：30
  hdfs sink间隔多长将临时文件滚动成最终目标文件，单位：秒；
  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

  默认值：1024
  当临时文件达到该大小（单位：bytes）时，滚动成目标文件；
  如果设置成0，则表示不根据临时文件大小来滚动文件；

• rollCount

  默认值：10
  当events数据达到该数量时候，将临时文件滚动成目标文件；
  如果设置成0，则表示不根据events数据来滚动文件；

• idleTimeout

  默认值：0
  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；

• batchSize

  默认值：100
  每个批次刷新到HDFS上的events数量；

• codeC

  文件压缩格式，包括：gzip, bzip2, lzo, lzop, snappy

• fileType

  默认值：SequenceFile
  文件格式，包括：SequenceFile,DataStream,CompressedStream
  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

  默认值：5000
  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；

• minBlockReplicas

  默认值：HDFS副本数
  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。
  待研究。

• writeFormat

  写sequence文件的格式。包含：Text, Writable（默认）

• callTimeout

  默认值：10000
  执行HDFS操作的超时时间（单位：毫秒）；

• threadsPoolSize

  默认值：10
  hdfs sink启动的操作HDFS的线程数。

• rollTimerPoolSize

  默认值：1
  hdfs sink启动的根据时间滚动文件的线程数。

• kerberosPrincipal

  HDFS安全认证kerberos配置；

• kerberosKeytab

  HDFS安全认证kerberos配置；

• proxyUser

  代理用户

• round

  默认值：false
  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；

• roundValue

  默认值：1
  时间上进行“舍弃”的值；

• roundUnit

  默认值：seconds
  时间上进行”舍弃”的单位，包含：second,minute,hour

  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

  默认值：Local Time
  时区。

• useLocalTimeStamp

  默认值：flase
  是否使用当地时间。

• closeTries

  默认值：0
  hdfs sink关闭文件的尝试次数；
  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

  默认值：180（秒）
  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.

• serializer

  默认值：TEXT
  序列化类型。其他还有：avro_event或者是实现了EventSerializer.Builder的类名。

---

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 = hdfsagent_lxw1234.sinks.sink1.hdfs.path = hdfs://cdh5/tmp/lxw1234/%Y%m%dagent_lxw1234.sinks.sink1.hdfs.filePrefix = log_%Y%m%d_%Hagent_lxw1234.sinks.sink1.hdfs.fileSuffix = .lzoagent_lxw1234.sinks.sink1.hdfs.useLocalTimeStamp = trueagent_lxw1234.sinks.sink1.hdfs.writeFormat = Textagent_lxw1234.sinks.sink1.hdfs.fileType = CompressedStreamagent_lxw1234.sinks.sink1.hdfs.rollCount = 0agent_lxw1234.sinks.sink1.hdfs.rollSize = 0agent_lxw1234.sinks.sink1.hdfs.rollInterval = 600agent_lxw1234.sinks.sink1.hdfs.codeC = lzopagent_lxw1234.sinks.sink1.hdfs.batchSize = 100agent_lxw1234.sinks.sink1.hdfs.threadsPoolSize = 10agent_lxw1234.sinks.sink1.hdfs.idleTimeout = 0agent_lxw1234.sinks.sink1.hdfs.minBlockReplicas = 1