太多的小文件 HDFS 接收器水槽

Question

agent.sinks=hpd
agent.sinks.hpd.type=hdfs
agent.sinks.hpd.channel=memoryChannel
agent.sinks.hpd.hdfs.path=hdfs://master:9000/user/hduser/gde
agent.sinks.hpd.hdfs.fileType=DataStream
agent.sinks.hpd.hdfs.writeFormat=Text
agent.sinks.hpd.hdfs.rollSize=0
agent.sinks.hpd.hdfs.batchSize=1000
agent.sinks.hpd.hdfs.fileSuffix=.i  
agent.sinks.hpd.hdfs.rollCount=1000
agent.sinks.hpd.hdfs.rollInterval=0

我正在尝试使用 HDFS Sink 将事件写入 HDFS。并且尝试了大小，计数和时基滚动，但没有一个按预期工作。它在HDFS中生成了太多的小文件，例如：

-rw-r--r--   2 hduser supergroup      11617 2016-03-05 19:37 hdfs://master:9000/user/hduser/gde/FlumeData.1457186832879.i
-rw-r--r--   2 hduser supergroup       1381 2016-03-05 19:37 hdfs://master:9000/user/hduser/gde/FlumeData.1457186832880.i
-rw-r--r--   2 hduser supergroup        553 2016-03-05 19:37 hdfs://master:9000/user/hduser/gde/FlumeData.1457186832881.i
-rw-r--r--   2 hduser supergroup       2212 2016-03-05 19:37 hdfs://master:9000/user/hduser/gde/FlumeData.1457186832882.i
-rw-r--r--   2 hduser supergroup       1379 2016-03-05 19:37 hdfs://master:9000/user/hduser/gde/FlumeData.1457186832883.i
-rw-r--r--   2 hduser supergroup       2762 2016-03-05 19:37 hdfs://master:9000/user/hduser/gde/FlumeData.1457186832884.i.tmp

请协助解决给定的问题。我正在使用水槽 1.6.0

~谢谢

Answer 1

我提供的配置都是正确的。这种行为背后的原因是HDFS。我有 2 个数据节点，其中一个已关闭。因此，文件未达到所需的最低复制数。在Flume日志中，人们也可以看到以下警告消息：

"检测到阻止复制不足。旋转文件。

要解决此问题，可以选择以下任何解决方案：-

• 向上数据节点以实现所需的块复制，或
• 相应地设置属性hdfs.minBlockReplicas。

~谢谢

Answer 2

您现在每 1000 个项目滚动文件。您可以尝试下面提到的两种方法之一。

1. 尝试将hdfs.rollCount增加到更高的值，此值决定每个滚动文件中包含的事件数。
2. 删除hdfs.rollCount并将hdfs.rollInterval设置为要滚动文件的间隔。假设 hdfs.rollInterval = 600 每 10 分钟滚动一次文件。

有关更多信息，请参阅水槽文档