kafka hdfs connect 会产生只有一个记录的小文件
2016-07-06 15:33
531 查看
1. 问题现象:
如果用kafka hdfs connect将流式数据导入hdfs,处理开始一定会产生N个只有一条记录的小文件,其中N 为kafka topic的分区数。不影响功能,但不友好。ubuntu@wonderwoman:~/databus/confluent-2.0.0/src/kafka-connect-hdfs-2.0.0$ hadoop fs -ls /topics/traceme/srcip=1.0.0.1/dstip=1.0.0.2 Found 18 items -rw-r--r-- 3 ubuntu supergroup 671 2016-06-28 17:20 /topics/traceme/srcip=1.0.0.1/dstip=1.0.0.2/traceme+0+0000000167+0000000167.parquet
2. 问题原因:
数据写入hdfs的时机有两个,超时或者条数达到要求。超时机制:1. 检查当前时间和上次写文件时间是否超过配置值;
2. 如果超过,写文件,记录下此次写入时的系统时间;
问题出在类初始化时,没有对记录的变量进行初始化,long型默认值是0。第一个数据来时,当前系统时间-0 肯定会大于配置值,就会去写文件。
3. 修改方案:
kafka-connect-hdfs-2.0.0\src\main\java\io\confluent\connect\hdfs\TopicPartitionWriter.java类初始化时将变量lastRotate初始化为当前系统时间。相关文章推荐
- 详解HDFS Short Circuit Local Reads
- Hadoop_2.1.0 MapReduce序列图
- 使用Hadoop搭建现代电信企业架构
- Kafka 之 中级
- 单机版搭建Hadoop环境图文教程详解
- hadoop常见错误以及处理方法详解
- hadoop 单机安装配置教程
- hadoop的hdfs文件操作实现上传文件到hdfs
- hadoop实现grep示例分享
- Linux下Kafka单机安装配置方法(图文)
- Apache Hadoop版本详解
- linux下搭建hadoop环境步骤分享
- hadoop client与datanode的通信协议分析
- hadoop中一些常用的命令介绍
- Hadoop单机版和全分布式(集群)安装
- 用PHP和Shell写Hadoop的MapReduce程序
- hadoop map-reduce中的文件并发操作
- Hadoop1.2中配置伪分布式的实例
- hadoop上传文件功能实例代码
- java结合HADOOP集群文件上传下载