shell 定时采集至数据至 HDFS

上线的网站每天都会产生日志数据。假如有这样的需求：要求在凌晨 24 点开始操作前一天产生的日志文件，准实时上传至 HDFS 集群上。

该如何实现？实现后能否实现周期性上传需求？如何定时？

（一）技术分析

HDFS SHELL:hadoop fs –put // 满足上传文件，不能满足定时、周期性传入。L L inux crontab: :crontab -e0 0 * * * /shell/ uploadFile2Hdfs.sh //每天凌晨 12：00 执行一次

（二） 实现流程

• 一般日志文件生成的逻辑由业务系统决定，比如每小时滚动一次，或者一定大小滚动一次，避免单个日志文件过大不方便操作。
• 比如滚动后的文件命名为 access.log.x,其中 x 为数字。正在进行写的日志文件叫做 access.log。这样的话，如果日志文件后缀是 1\2\3 等数字，则该文件满足需求可以上传，就把该文件移动到准备上传的工作间目录。
• 工作区间有文件之后，可以使用 hadoop put 命令将文件上传。

（三）代码实现

#!/bin/bash#set java envexport JAVA_HOME=/root/apps/jdk1.8.0_65export JRE_HOME=${JAVA_HOME}/jreexport CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/libexport PATH=${JAVA_HOME}/bin:$PATH#set hadoop envexport HADOOP_HOME=/root/apps/hadoop-2.7.4export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH#日志文件存放的目录log_src_dir=/root/logs/log/#待上传文件存放的目录log_toupload_dir=/root/logs/toupload/#日志文件上传到hdfs的根路径date1=`date -d last-day +%Y_%m_%d`hdfs_root_dir=/data/clickLog/$date1/ #打印环境变量信息echo "envs: hadoop_home: $HADOOP_HOME"#读取日志文件的目录，判断是否有需要上传的文件echo "log_src_dir:"$log_src_dirls $log_src_dir | while read fileNamedo    if [[ "$fileName" == access.log.* ]]; then    # if [ "access.log" = "$fileName" ];then        date=`date +%Y_%m_%d_%H_%M_%S`        #将文件移动到待上传目录并重命名        #打印信息        echo "moving $log_src_dir$fileName to $log_toupload_dir"xxxxx_click_log_$fileName"$date"        mv $log_src_dir$fileName $log_toupload_dir"xxxxx_click_log_$fileName"$date        #将待上传的文件path写入一个列表文件willDoing        echo $log_toupload_dir"xxxxx_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date    fidone#找到列表文件willDoingls $log_toupload_dir | grep will |grep -v "_COPY_" | grep -v "_DONE_" | while read linedo    #打印信息    echo "toupload is in file:"$line    #将待上传文件列表willDoing改名为willDoing_COPY_    mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"    #读列表文件willDoing_COPY_的内容（一个一个的待上传文件名）  ,此处的line 就是列表中的一个待上传文件的path    cat $log_toupload_dir$line"_COPY_" |while read line    do        #打印信息        echo "puting...$line to hdfs path.....$hdfs_root_dir"        hadoop fs -mkdir -p $hdfs_root_dir        hadoop fs -put $line $hdfs_root_dir    done        mv $log_toupload_dir$line"_COPY_"  $log_toupload_dir$line"_DONE_"done