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
3 回答
这是你在conf中的拼写错误 .
在'rollSize'和'rollCount'行中,您将 il 设为 i1 . 请尝试使用DEBUG,然后你会发现:
由于 il ,正在使用rollSize 1024的默认值 .
HDFS Sink具有属性
hdfs.batchSize
(默认为100),其描述了"number of events written to file before it is flushed to HDFS" . 我认为这是你的问题 .还要考虑检查所有其他属性:HDFS Sink .
这可能是因为内存通道及其容量 . 我想它一旦容量变满就将数据转储到HDFS . 你尝试使用文件通道而不是内存吗?