修改Flume-NG的hdfs sink解析时间戳源码大幅提高写入性能

最新推荐文章于 2022-03-15 19:27:53 发布

原创

最新推荐文章于 2022-03-15 19:27:53 发布 · 425 阅读

1 ·

CC 4.0 BY-SA版权

转自: http://www.cnblogs.com/lxf20061900/p/4014281.html

Flume-NG中的hdfs sink的路径名(对应参数"hdfs.path"，不允许为空)以及文件前缀(对应参数"hdfs.filePrefix")支持正则解析时间戳自动按时间创建目录及文件前缀。

　　在实际使用中发现Flume内置的基于正则的解析方式非常耗时，有非常大的提升空间。如果你不需要配置按时间戳解析时间，那这篇文章对你用处不大，hdfs sink对应的解析时间戳的代码位于org.apache.flume.sink.hdfs.HDFSEventSink的process()方法中，涉及两句代码：　　

1 // reconstruct the path name by substituting place holders
2         String realPath = BucketPath.escapeString(filePath, event.getHeaders(),
3             timeZone, needRounding, roundUnit, roundValue, useLocalTime);
4         String realName = BucketPath.escapeString(fileName, event.getHeaders(),
5           timeZone, needRounding, roundUnit, roundValue, useLocalTime);

　　其中，realPath是正则解析时间戳之后的完整路径名，filePath参数就是配置文件中的"hdfs.path"；realName就是正则解析时间戳之后的文件名前缀，fileName参数就是配置文件中的"hdfs.filePrefix"。其他参数都相同，event.getHeaders()是一个Map里面有时间戳(可以通过interceptor、自定义、使用hdfs sink的useLocalTimeStamp参数三种方式来设置)，其他参数是时区、是否四舍五入以及时间单位等。

　　BucketPath.escapeString这个方法就是正则解析时间戳所在，具体代码我们不再分析，现在我们编写一个程序测试一下BucketPath.escapeString这个方法的性能，运行这个测试类要么在源码中：

public class Test {
  
  public static void main(String[] args) {
        HashMap<String, String> headers = new HashMap<String, String>();
        headers.put("timestamp", Long.toString(System.currentTimeMillis()));
        String filePath = "hdfs://xxxx.com:8020/data/flume/%Y-%m-%d";
        String fileName = "%H-%M";