Shell脚本定时采集日志数据到HDFS(大数据学习9)

最新推荐文章于 2024-12-09 11:22:24 发布

3分钟秒懂大数据

最新推荐文章于 2024-12-09 11:22:24 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： HDFS

本文链接：https://blog.youkuaiyun.com/weixin_38201936/article/details/86923342

HDFS 专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了一个关于HDFS的应用实例，即通过Java程序模拟产生日志文件，并使用Shell脚本定时将这些日志文件上传至HDFS进行分析。文章包括了Java程序的编写、log4j配置、日志文件的生成、Shell脚本的设计以及日志文件的周期性上传至HDFS的全过程。

本文介绍一个关于hdfs的实例，那就是将应用程序产生的日志文件，定时放到hdfs上以便分析

一，我们写一个java程序模拟产生日志的过程

package com.lyz.bigdata.log;

import org.apache.log4j.LogManager;
import org.apache.log4j.Logger;


import java.util.Date;
import java.text.SimpleDateFormat;

/**
 *@Author:759057893@qq.com Lyz
 *@Date: 2019/2/10 15:10
 *@Description:
 **/
public class GenerateLog {

    public static void main(String[] args) throws Exception {
        Logger logger = LogManager.getLogger("testlog");

        int i =0;
        while(true){
         logger.info(new Date().toString()+"...I love you....");
        		 
        	
         i++;
         Thread.sleep(500);
         if(i>1000000)
             break;
        }
    }
}

该程序模拟产生日志，程序正常运行需要配置log4j.properties文件，在src/下新建log4j.properties，内容如下:

log4j.rootLogger=INFO,testlog

log4j.appender.testlog = org.apache.log4j.RollingFileAppender
log4j.appender.testlog.layout = org.apache.log4j.PatternLayout
log4j.appender.testlog.layout.ConversionPattern = [%-5p][%-22d{yyyy/MM/dd HH:mm:ssS}][%l]%n%m%n
log4j.appender.testlog.Threshold = INFO
log4j.appender.testlog.ImmediateFlush = TRUE
log4j.appender.testlog.Append = TRUE
log4j.appender.testlog.File = /home/hadoop/logs/log/access.log
log4j.appender.testlog.MaxFileSize = 10KB
log4j.appender.testlog.MaxBackupIndex = 20
#log4j.appender.testlog.Encoding = UTF-8

将程序通过eclipse 打包命名为（log.jar）

打包过程—— 鼠标右键 export ——java ——runable jar file

打包成功后在虚拟机中创建文件夹

1 hadoop fs -mkdir -p /data/clickLog/20190225/ #日志文件上传到hdfs的根路径

2 mkdir -p /home/hadoop/logs/log/ #日志文件存放的目录

3 mkdir -p /home/hadoop/logs/toupload/ #待上传文件存放的目录

4 将打包成功的 log.jar 放到集群中

1) 先安装 lrzsz 自动导入安装包 yum install -y lrzsz

2）拖动 jar 包进入集群中

3）在集群中运行jar 包

二，我们写一个shell脚本，我们把它命名为：upLoadFileToHdfs.sh，脚本定时将产生的日志放到hdfs上面，内容如下：

#!/bin/bash

#set java env
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_51
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

#set hadoop env
export HADOOP_HOME=/home/hadoop/app/hadoop-2.6.4
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH


#版本1的问题：
#虽然上传到Hadoop集群上了，但是原始文件还在。如何处理？
#日志文件的名称都是xxxx.log1,再次上传文件时，因为hdfs上已经存在了，会报错。如何处理？

#如何解决版本1的问题
#       1、先将需要上传的文件移动到待上传目录
#	2、在讲文件移动到待上传目录时，将文件按照一定的格式重名名
#		/export/software/hadoop.log1   /export/data/click_log/xxxxx_click_log_{date}


#日志文件存放的目录
log_src_dir=/home/hadoop/logs/log/

#待上传文件存放的目录
log_toupload_dir=/home/hadoop/logs/toupload/


#日志文件上传到hdfs的根路径
hdfs_root_dir=/data/clickLog/20190225/

#打印环境变量信息
echo "envs: hadoop_home: $HADOOP_HOME"


#读取日志文件的目录，判断是否有需要上传的文件
echo "log_src_dir:"$log_src_dir
ls $log_src_dir | while read fileName
do
	if [[ "$fileName" == access.log.* ]]; then
	# if [ "access.log" = "$fileName" ];then
		date=`date +%Y_%m_%d_%H_%M_%S`
		#将文件移动到待上传目录并重命名
		#打印信息
		echo "moving $log_src_dir$fileName to $log_toupload_dir"xxxxx_click_log_$fileName"$date"
		mv $log_src_dir$fileName $log_toupload_dir"xxxxx_click_log_$fileName"$date
		#将待上传的文件path写入一个列表文件willDoing
		echo $log_toupload_dir"xxxxx_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date
	fi
	
done
#找到列表文件willDoing
ls $log_toupload_dir | grep will |grep -v "_COPY_" | grep -v "_DONE_" | while read line
do
	#打印信息
	echo "toupload is in file:"$line
	#将待上传文件列表willDoing改名为willDoing_COPY_
	mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"
	#读列表文件willDoing_COPY_的内容（一个一个的待上传文件名）  ,此处的line 就是列表中的一个待上传文件的path
	cat $log_toupload_dir$line"_COPY_" |while read line
	do
		#打印信息
		echo "puting...$line to hdfs path.....$hdfs_root_dir"
		hadoop fs -put $line $hdfs_root_dir
	done	
	mv $log_toupload_dir$line"_COPY_"  $log_toupload_dir$line"_DONE_"
done

创建后，在虚拟机上创建文件

vi datacollect.sh 然后将上面创建的粘贴进去保存

chmod +x datacollect.sh 对datacollect.sh 加上运行权限

重开一个mini1 的窗口然后运行输入 ./datacollect.sh 运行

运行之后就会将产生的log日志上传到hdfs中。

如果想周期性运行该脚本，可以配置crontab服务，执行crontab -e,加入一行：

 */1 * * * * sh /root/uploadFileToHdfs.sh    //该语句表示每1分钟执行一次脚本，更多规则详询百度

保存退出即可实现周期性运行脚本。

至此，模拟将日志文件周期性上传到hdfs就结束了。