- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我们有一个主题,消息速率为每秒 1 msg,有 3 个分区,我正在使用 HDFS 连接器将数据以 AVRo 格式(默认)写入 HDFS,它生成大小为 KBS 的文件,所以我尝试更改HDFS 属性中的以下属性。
"flush.size":"5000","rotate.interval.ms":"7200000"
但是输出仍然是小文件,所以我需要弄清楚以下几点来解决这个问题:
flush.size 属性是强制性的,如果我们不提及 flus.size 属性,数据将如何刷新?
如果我们提到刷新大小为 5000 并且旋转间隔为 2 小时,则前 3 个间隔每 2 小时刷新一次数据,但之后它随机刷新数据,请找到文件的计时创建(19:14,21:14,23:15,01:15,06:59,08:59,12:40,14:40)--突出显示了不匹配的间隔。是因为提到的属性的覆盖?这让我想到了第三个问题。
如果我们提到以下所有属性 (flush.size,rotate.interval.ms,rotate.schedule.interval.ms),flush 的偏好是什么
提高msg的速率,减少partition,实际上是flush的数据变大了,是不是只有这样才能控制小文件,如果输入事件的速率变化且不稳定?
如果您能分享有关在使用 HDFS 连接器连接的 kafka 中处理小文件的文档,那将会很有帮助,谢谢。
最佳答案
如果您使用的是 TimeBasedPartitioner,并且消息的时间戳不会一直增加,那么当它在 的时间间隔内看到一条具有较小时间戳的消息时,您将以单个编写器任务转储文件而告终rotate.interval.ms
读取任何给定记录。
如果你想拥有一致的双小时分区窗口,那么你应该使用 rotate.interval.ms=-1
来禁用它,然后使用 rotate.schedule.interval.ms
到分区持续时间窗口内的某个合理数字。
例如您每 2 小时有 7200 条消息,并且不清楚每条消息有多大,但可以说是 1MB。然后,您将在缓冲区中保存约 7GB 的数据,并且您需要调整 Connect 堆大小以保存这么多数据。
出现顺序是
而且我认为存储连接器的齐平尺寸是强制性的
总体来说,像Uber的Hudi或者之前Camus Sweeper的Kafka-HDFS工具这样的系统,处理小文件的能力更强。 Connect Sink Tasks 只关心从 Kafka 消费,并写入下游系统;框架本身不承认 Hadoop 更喜欢更大的文件。
关于apache-kafka - 在分布式模式下使用 HDFS 连接器接收器避免来自 Kafka 连接的小文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51157978/
我们已经有一个使用 AnyEvent 的库。它在内部使用 AnyEvent,并最终返回一个值(同步 - 不使用回调)。有什么方法可以将这个库与 Mojolicious 一起使用吗? 它的作用如下: #
我想从 XSD 文件生成带有 JAXB 的 Java 类。 问题是,我总是得到一些像这样的类(删除了命名空间): public static class Action { @X
我有一个关于 html 输入标签或 primefaces p:input 的问题。为什么光标总是自动跳转到输入字段。我的页面高度很高,因此您需要向下滚动。输入字段位于页面末尾,光标自动跳转(加载)到页
我今天在考虑面向对象设计,我想知道是否应该避免 if 语句。我的想法是,在任何需要 if 语句的情况下,您都可以简单地创建两个实现相同方法的对象。这两个方法实现只是原始 if 语句的两个可能的分支。
String graphNameUsed = graphName.getName(); if (graphType.equals("All") || graphType.equals(
我有一张友谊 table CREATE TABLE IF NOT EXISTS `friendList` ( `id` int(10) NOT NULL, `id_friend` int(10
上下文 Debian 64。Core 2 二人组。 摆弄循环。我使用了同一循环的不同变体,但我希望尽可能避免条件分支。 但是,即使我认为它也很难被击败。 我考虑过 SSE 或位移位,但它仍然需要跳转(
我最近在 Java 中创建了一个方法来获取字符串的排列,但是当字符串太长时它会抛出这个错误:java.lang.OutOfMemoryError: Java heap space我确信该方法是有效的,
我正在使用 (C++) 库,其中需要使用流初始化对象。库提供的示例代码使用此代码: // Declare the input stream HfstInputStream *in = NULL; tr
我有一个 SQL 查询,我在 WHERE 子句中使用子查询。然后我需要再次使用相同的子查询将其与不同的列进行比较。 我假设没有办法在子查询之外访问“emp_education_list li”? 我猜
我了解到在 GUI 线程上不允许进行网络操作。对我来说还可以。但是为什么在 Dialog 按钮点击回调上使用这段代码仍然会产生 NetworkOnMainThreadException ? new T
有没有办法避免在函数重定向中使用 if 和硬编码字符串,想法是接收一个字符串并调用适当的函数,可能使用模板/元编程.. #include #include void account() {
我正在尝试避免客户端出现 TIME_WAIT。我连接然后设置 O_NONBLOCK 和 SO_REUSEADDR。我调用 read 直到它返回 0。当 read 返回 0 时,errno 也为 0。我
我正在开发 C++ Qt 应用程序。为了在应用程序或其连接的设备出现故障时帮助用户,程序导出所有内部设置并将它们存储在一个普通文件(目前为 csv)中。然后将此文件发送到公司(例如通过邮件)。 为避免
我有一组具有公共(public)父类(super class)的 POJO。这些存储在 superclass 类型的二维数组中。现在,我想从数组中获取一个对象并使用子类 的方法。这意味着我必须将它们转
在我的代码中,当 List 为 null 时,我通常使用这种方法来避免 for 语句中的 NullPointerException: if (myList != null && myList.size
我正在尝试避免客户端出现 TIME_WAIT。我连接然后设置 O_NONBLOCK 和 SO_REUSEADDR。我调用 read 直到它返回 0。当 read 返回 0 时,errno 也为 0。我
在不支持异常的语言和/或库中,许多/几乎所有函数都会返回一个值,指示其操作成功或失败 - 最著名的例子可能是 UN*X 系统调用,例如 open( ) 或 chdir(),或一些 libc 函数。 无
我尝试按值提取行。 col1 df$col1[col1 == "A"] [1] "A" NA 当然我只想要“A”。如何避免 R 选择 NA 值?顺便说一句,我认为这种行为非常危险,因为很多人都会陷入
我想将两个向量合并到一个数据集中,并将其与函数 mutate 集成为 5 个新列到现有数据集中。这是我的示例代码: vector1% rowwise()%>% mutate(vector2|>
我是一名优秀的程序员,十分优秀!