我試圖用水槽到Twitter數據流進入HDFS和這樣的:https://github.com/cloudera/cdh-twitter-example/水槽HDFS片保持滾動的小文件
無論我嘗試在這裏,它不斷創造HDFS從1.5KB到15KB的大小範圍的文件我希望看到大文件(64Mb)。 這裏是代理配置:
TwitterAgent.sources = Twitter
TwitterAgent.channels = MemChannel
TwitterAgent.sinks = HDFS
TwitterAgent.sources.Twitter.type = com.cloudera.flume.source.TwitterSource
TwitterAgent.sources.Twitter.channels = MemChannel
TwitterAgent.sources.Twitter.consumerKey = xxxxxx
TwitterAgent.sources.Twitter.consumerSecret = xxxxxx
TwitterAgent.sources.Twitter.accessToken = xxxxx
TwitterAgent.sources.Twitter.accessTokenSecret = xxxxxxxx
TwitterAgent.sources.Twitter.keywords = test
TwitterAgent.sinks.HDFS.channel = MemChannel
TwitterAgent.sinks.HDFS.type = hdfs
TwitterAgent.sinks.HDFS.hdfs.path = hdfs://localhost.localdomain:8020/user/flume/tweets/%Y/%m/%d/%H/
TwitterAgent.sinks.HDFS.hdfs.fileType = DataStream
TwitterAgent.sinks.HDFS.hdfs.writeFormat = Text
TwitterAgent.sinks.HDFS.hdfs.batchSize = 10000
TwitterAgent.sinks.HDFS.hdfs.rollSize = 67108864
TwitterAgent.sinks.HDFS.hdfs.rollCount = 0
TwitterAgent.sinks.HDFS.hdfs.rollInterval = 0
TwitterAgent.sinks.HDFS.hdfs.idleTimeout = 0
TwitterAgent.channels.MemChannel.type = memory
TwitterAgent.channels.MemChannel.capacity = 10000
TwitterAgent.channels.MemChannel.transactionCapacity = 1000
編輯:我看着日誌文件,發現這一切發生的時間:
9:11:27.526 AM WARN org.apache.flume.sink .hdfs.BucketWriter塊 檢測到欠複製。旋轉文件。 9:11:37.036 AM錯誤 org.apache.flume.sink.hdfs.BucketWriter
擊中最大連續複製下旋轉(30);將不會 繼續在此路徑下滾動文件由於under-replication
我收到了同樣的錯誤,您是如何解決的?你是如何將複製因子設置爲1的? – Burhan
您可以在Cloudera Manager中進行設置。我不記得在哪裏.. – JochenDB
我發現它,它在路徑/etc/hadoop/conf/hdfs-site.xml和屬性名稱是dfs.replication,我已將它設置爲1.它爲我工作! – Burhan