Hadoop_13_Hadoop Shell腳本采集日志上傳到HDFS

案例1：開發shell采集腳本

1.點擊流日志每天都10T，在業務應用服務器上，需要准實時上傳至數據倉庫（Hadoop HDFS）上

2.一般上傳文件都是在凌晨24點操作，由於很多種類的業務數據都要在晚上進行傳輸，為了減輕服務器的壓力，避開高峰期。

如果需要偽實時的上傳，則采用定時上傳的方式

#!/bin/bash

#set java env
export JAVA_HOME=/usr/java/jdk1.7.0_45
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

#set hadoop env
export HADOOP_HOME=/usr/local/src/hadoop-2.6.4
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH


#版本1的問題：
#雖然上傳到Hadoop集群上了，但是原始文件還在。如何處理？
#日志文件的名稱都是xxxx.log1,再次上傳文件時，因為hdfs上已經存在了，會報錯。如何處理？

#如何解決版本1的問題
#       1、先將需要上傳的文件移動到待上傳目錄
#    2、在講文件移動到待上傳目錄時，將文件按照一定的格式重名名
#    /export/software/hadoop.log1   /export/data/click_log/xxxxx_click_log_{date}


#（本地）日志文件存放的目錄
log_src_dir=/home/hadoop/logs/log/

#（本地）待上傳文件存放的目錄
log_toupload_dir=/home/hadoop/logs/toupload/


#日志文件上傳到hdfs的根路徑
hdfs_root_dir=/data/clickLog/20180619/

#打印環境變量信息
echo "envs: hadoop_home: $HADOOP_HOME"


#讀取日志文件的目錄，判斷是否有需要上傳的文件
echo "log_src_dir:"$log_src_dir
ls $log_src_dir | while read fileName
do
    if [[ "$fileName" == access.log.* ]]; then
    # if [ "access.log" = "$fileName" ];then
        date=`date +%Y_%m_%d_%H_%M_%S`
        #將文件移動到待上傳目錄並重命名
        #打印信息
        echo "moving $log_src_dir$fileName to $log_toupload_dir"xxxxx_click_log_$fileName"$date"
        mv $log_src_dir$fileName $log_toupload_dir"xxxxx_click_log_$fileName"$date
        #將待上傳的文件path寫入一個列表文件willDoing
        echo $log_toupload_dir"xxxxx_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date
    fi
    
done
#找到列表文件willDoing
ls $log_toupload_dir | grep will |grep -v "_COPY_" | grep -v "_DONE_" | while read line
do
    #打印信息
    echo "toupload is in file:"$line
    #將待上傳文件列表willDoing改名為willDoing_COPY_
    mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"
    #讀列表文件willDoing_COPY_的內容（一個一個的待上傳文件名）  ,此處的line 就是列表中的一個待上傳文件的path
    cat $log_toupload_dir$line"_COPY_" |while read line
    do
        #打印信息
        echo "puting...$line to hdfs path.....$hdfs_root_dir"
        hadoop fs -put $line $hdfs_root_dir
    done    
    mv $log_toupload_dir$line"_COPY_"  $log_toupload_dir$line"_DONE_"
done

3.技術分析：

HDFS SHELL:  hadoop fs –put   xxxx.tar  /data還可以使用 Java Api滿足上傳一個文件，不能滿足定時、周期性傳入

定時調度器：Linux crontab

crontab -e

*/5 * * * * $home/bin/command.sh   //五分鍾執行一次

系統會自動執行腳本，每5分鍾一次，執行時判斷文件是否符合上傳規則，符合則上傳

4.日志產生程序：

　　日志產生程序將日志生成后，產生一個一個的文件，使用滾動模式創建文件名

　　

　　日志生成的邏輯由業務系統決定，比如在log4j配置文件中配置生成規則，如：當xxxx.log 等於10G時，滾動生成新日志

log4j.logger.msg=info,msg
log4j.appender.msg=cn.maoxiangyi.MyRollingFileAppender
log4j.appender.msg.layout=org.apache.log4j.PatternLayout
log4j.appender.msg.layout.ConversionPattern=%m%n
log4j.appender.msg.datePattern='.'yyyy-MM-dd
log4j.appender.msg.Threshold=info
log4j.appender.msg.append=true
log4j.appender.msg.encoding=UTF-8
log4j.appender.msg.MaxBackupIndex=100
log4j.appender.msg.MaxFileSize=10GB
log4j.appender.msg.File=/home/hadoop/logs/log/access.log