我配置了一个水槽代理,它从FTP服务器读取并将文件发送到hdfs接收器 . 我的大问题是,我想用原始文件名存储hdfs中的文件 . 我尝试使用Spooldir源代码,它工作正常并且能够使用它们的基本名称在hdfs中存储文件,但是flume agent crush:
1)如果在放入假脱机目录后写入文件,Flume会在其日志文件中输出错误并停止处理 .
2)如果文件名稍后重复使用,Flume会在其日志文件中输出错误并停止处理 .
事实上,spooldir-source不适合我的用例 . 那么,有没有想法如何使ftp源保持文件名,随后,hdfs根据其名称分别存储文件 .
这是我的经纪人:
agent.sources = r1
agent.channels = c1
agent.sinks = k
#configure ftp source
agent.sources.r1.type = org.keedio.flume.source.mra.source.Source
agent.sources.r1.client.source = sftp
agent.sources.r1.name.server = ip
agent.sources.r1.user = user
agent.sources.r1.password = pwd
agent.sources.r1.port = 22
agent.sources.r1.knownHosts = ~/.ssh/known_hosts
agent.sources.r1.work.dir = /DATA/flume_ftp_source
agent.sources.r1.fileHeader = true
agent.sources.r1.basenameHeader = true
agent.sources.r1.inputCharset = ISO-8859-1
agent.sources.r1.flushlines = true
#configure sink s1
agent.sinks.k.type = hdfs
agent.sinks.k.hdfs.path = hdfs://hostname:8020/user/admin/DATA/import_flume/agents/agent1/%Y/%m/%d/%H
agent.sinks.k.hdfs.filePrefix = %{basename}
agent.sinks.k.hdfs.rollCount = 0
agent.sinks.k.hdfs.rollInterval = 0
agent.sinks.k.hdfs.rollSize = 0
agent.sinks.k.hdfs.useLocalTimeStamp = true
agent.sinks.k.hdfs.batchsize = 1000000
agent.sinks.k.hdfs.fileType = DataStream
agent.channels.c1.type = memory
agent.channels.c1.capacity = 1000000
agent.channels.c1.transactionCapacity = 1000000
agent.sources.r1.channels = c1
agent.sinks.k.channel = c1
2 回答
我刚推出了一个解决方案来解决flume ftp github项目:
KR,菲利普
Is there a trick on how to fix the fact that the property % is missing ?
正如我所说,根据以下代码更新:Fix for Flume FTP source,这是我使用%变量的方式: