Flume消费Kafka数据写入HDFS

最新推荐文章于 2024-10-22 17:15:42 发布

原创最新推荐文章于 2024-10-22 17:15:42 发布 · 1.6k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#flume消费kafka

Flume 专栏收录该内容

3 篇文章

订阅专栏

在CDH环境中，使用Flume从Kafka消费数据，并将其写入HDFS。配置包括设置Kafka源、内存通道及HDFS接收器，实现数据按日期分区存储并采用Snappy压缩。

在一个节点上开启Flume，消费Kafka中的数据写入HDFS。

CDH环境

Flume -> 实例 -> 选择节点 -> 配置 -> 配置文件

## 组件
a1.sources=r1
a1.channels=c1
a1.sinks=k1

## source
a1.sources.r1.type = org.apache.flume.source.kafka.KafkaSource
a1.sources.r1.batchSize = 5000
a1.sources.r1.batchDurationMillis = 2000
a1.sources.r1.kafka.bootstrap.servers = cdh-master:9092,cdh-slave01:9092,cdh-slave02:9092
a1.sources.r1.kafka.topics=topic_cp_api

## channel
a1.channels.c1.type=memory
a1.channels.c1.capacity=100000
a1.channels.c1.transactionCapacity=10000

## sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /origin_data/log/topic_cp_api/%Y-%m-%d
a1.sinks.k1.hdfs.filePrefix = cp-api-
## 时间戳四舍五入,位数,单位
a1.sinks.k1.hdfs.round = true
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = second

## 文件生成时间秒,大小字节,数量
a1.sinks.k1.hdfs.rollInterval = 60
a1.sinks.k1.hdfs.rollSize = 134217728
a1.sinks.k1.hdfs.rollCount = 0

## 压缩格式
a1.sinks.k1.hdfs.fileType = CompressedStream 
a1.sinks.k1.hdfs.codeC = snappy

## 拼装
a1.sources.r1.channels = c1
a1.sinks.k1.channel= c1