hadoop - 槽将随机数添加到要推送的hdfs文件中(test.csv> test.csv.1591560702234)

Question

当我将文件放在本地目录(vagrant/flume/test.csv)中时，在HDFS flume中将其转换为(/user/inputs/test.csv.1591560702234)，我想知道HDFS为什么添加1591560702234以及如何将其删除!

这是我的flume.conf文件

# Flume agent config
a1.sources = r1
a1.sinks =  k2
a1.channels = c1

a1.channels.c1.type = file
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000

a1.sources.r1.channels = c1
a1.sources.r1.type = spooldir
a1.sources.r1.basenameHeader = true
a1.sources.r1.spoolDir = /vagrant/flume

a1.sinks.k2.type = hdfs
a1.sinks.k2.channel = c1

a1.sinks.k2.hdfs.filePrefix = %{basename}
a1.sinks.k2.hdfs.writeFormat = Text
#a1.sinks.k2.hdfs.fileSuffix =
a1.sinks.k2.hdfs.fileType = DataStream
a1.sinks.k2.hdfs.path = /user/inputs/

a1.sinks.k2.rollInterval = 0
a1.sinks.k2.rollSize = 0
a1.sinks.k2.rollCount = 0
a1.sinks.k2.idleTimeout = 0

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k2.channel = c1

Answer 1

Flume以毫秒为单位添加时间。
从您的示例:

select from_unixtime(ceil(1591560702234 / 1000));
+----------------------+--+
|         time         |
+----------------------+--+
| 2020-06-07 22:11:43  |
+----------------------+--+

我认为无法删除带有水槽配置的时间戳。

但是您可以添加带有 hdfs.fileSuffix的后缀。
从文档中:

hdfs.fileSuffix –   Suffix to append to file (eg .avro - NOTE: period is not automatically added)

您还可以将更多事件放在具有某些flume属性的单个文件中

请检查

batchSize

rollSize

rollTime

rollCount

您也可以使用HDFS命令合并目录。

getmerge
Usage: hadoop fs -getmerge [-nl] <src> <localdst>

将源目录和目标文件作为输入，并将src中的文件串联到目标本地文件中。
可以选择将-nl设置为启用，以在每个文件的末尾添加换行符(LF)。
-skip-empty-file可以用于在文件为空的情况下避免不需要的换行符。

例子:

hadoop fs -getmerge -nl /src /opt/output.txt
hadoop fs -getmerge -nl /src/file1.txt /src/file2.txt /output.txt