HDFS 接收器的小文件太多 Flume

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。并已尝试滚动大小、计数和时基，但 none 正在按预期工作。它在 HDFS 中生成了太多小文件，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 flume 1.6.0

~谢谢

Answer 1

您现在正在为每 1000 个项目滚动文件。您可以尝试以下两种方法之一。

尝试将 hdfs.rollCount 增加到更高的值，该值决定每个滚动文件中包含的事件数。
删除 hdfs.rollCount 并将 hdfs.rollInterval 设置为您要滚动文件的时间间隔。说 hdfs.rollInterval = 600 每 10 分钟滚动一次文件。

有关详细信息，请参阅 Flume Documentation

Answer 2

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，文件没有达到最低要求的复制。在 Flume 日志中也可以看到以下警告消息：

"Block Under-replication detected. Rotating file."

要解决此问题，可以选择以下任一解决方案：-

向上数据节点实现所需的块复制，或者
相应地设置属性 hdfs.minBlockReplicas。

~谢谢

HDFS 接收器的小文件太多 Flume

Too many small files HDFS Sink Flume

hadoop

hdfs

flume