flume修改源码实现source文件名前后缀的更改

业务场景:

需求:通过flume进行数据采集,将本地(windows服务器)不断产生的csv文件采集到hdfs上。

问题:本地文件在生成的过程中,会出现文件名重复的现象。也就是说,在前一秒生成文件名为aaa.csv,该文件经过flume进行处理之后会进行文件名的更改,默认情况下文件名会更改为aaa.csv.COMPLATED,但是在第二秒的时候,接着又生成了aaa.csv文件,此时flume将该文件处理完进行更名的过程中,就会报错,例如:

flume修改源码实现source文件名前后缀的更改

解决:为了避免文件名重复导致flume程序挂的问题,此时有两种解决方案:

1:在生成aaa.csv的过程中对该文件名增加唯一标识

2:flume在采集文件结束后,更改文件名的时候,对其做唯一标识

这里主要介绍第二种方式,通过修改源码的方式。

一、flume源码的下载,导入,编译

这里我使用的是flume1.9版本

1 下载

    flume包下载:程序包下载

    flume源码下载:源码下载

2 导入IDEA

将源码包进行解压,解压之后,解压之后,目录结果如下:

flume修改源码实现source文件名前后缀的更改

IDEA进行项目的导入

flume修改源码实现source文件名前后缀的更改

flume修改源码实现source文件名前后缀的更改

一直点击next,

flume修改源码实现source文件名前后缀的更改

导入成功之后,项目结构如下所示:

flume修改源码实现source文件名前后缀的更改

可以看到项目结构式通过各个model来构成的。

3 编译

执行命令:mvn clean install -Dmaven.test.skip=true

flume修改源码实现source文件名前后缀的更改

看到BUILD SUCCESS则代表编译成功,可进行下一步

源码修改

这里需要找到flume在采集完数据之后进行移动目录的那个类,这个类一般都是在flume-ng-core这个model下,但是具体是那个类,我们可以从flume采集日志中进行寻找,

flume修改源码实现source文件名前后缀的更改

从这个日志中可以看到,flume在采集完文件后需要对源文件进行一个移动操作,而也就是在此时进行对文件更名,所以我们可以在源码中找到这个类,通过全局搜索

flume修改源码实现source文件名前后缀的更改

红框这里就是flume采集完数据之后对源文件进行更改名称的地方,默认的名称是”.COMPLATED”,此时我们如果为了给文件进行唯一性区分,我这里采用增加时间戳的方式:

flume修改源码实现source文件名前后缀的更改

添加完成之后,对该类进行重新编译,唉对应target文件中找到对应的class文件,将其复制,拷贝替换到线上flume的lib目录下的flume-ng-core.jar包中即可。当然也可以对整个项目进行重新编译打包,只不过那样的话比较麻烦一点而已。

flume修改源码实现source文件名前后缀的更改

将上面这个jar包使用360压缩一起其他的压缩工具打开,将编译好的class文件覆盖进去即可

然后从新运行flume,可以看到,此时文件名的后缀就会变成:

flume修改源码实现source文件名前后缀的更改

成功实现。