Flume:HDFSEventSink-如何动态多路复用



摘要:我有一个复用场景,想知道如何动态复用——不是基于静态配置的值,而是基于字段的变量值(例如日期)。

详细信息:我有一个输入,它由entityId分隔。由于我知道我正在使用的实体,我可以在典型的Flume多通道选择中配置它。

agent.sources.jmsSource.channels  = chan-10 chan-11 # ...
agent.sources.jmsSource.selector.type = multiplexing
agent.sources.jmsSource.selector.header = EntityId
agent.sources.jmsSource.selector.mapping.10 = chan-10
agent.sources.jmsSource.selector.mapping.11 = chan-11
# ...

每个通道都通向一个单独的HDFSEventSink,"hdfsSink-n":

agent.sinks.hdfsSink-10.channel = chan-10
agent.sinks.hdfsSink-10.hdfs.path = hdfs://some/path/
agent.sinks.hdfsSink-10.hdfs.filePrefix = entity10
# ... 
agent.sinks.hdfsSink-11.channel = chan-11
agent.sinks.hdfsSink-11.hdfs.path = hdfs://some/path/
agent.sinks.hdfsSink-11.hdfs.filePrefix = entity11
# ... 

这会为每个实体生成一个文件,这很好。现在我想引入第二个变量,它是动态的:日期。根据事件日期,我希望在每个日期为每个实体创建文件。Date是一个动态值,因此我无法预先配置多个接收器,以便每个接收器都发送到一个单独的文件。此外,每个接收器只能指定一个HDFS输出。

因此,这就像需要一个"多输出HDFSEventSink"(以类似于Hadoop的MultipleOutputs库的方式)。Flume中有这样的功能吗?

如果没有,有什么优雅的方法来解决这个问题或解决这个问题吗?另一个选项是修改HDFSEventSink,它似乎可以通过为每个事件创建不同的"realName"(String)来实现。

实际上,您可以在hdfs接收器的路径或filePrefix中指定变量。例如,如果变量的键在事件头中是"日期",那么您可以这样配置:

agent.sinks.hdfsSink-11.hdfs.filePrefix = entity11-%{date}

最新更新