常用Sink配置

• HDFS Sink

  HDFS Sink将数据写入Hadoop分布式文件系统（HDFS）。常用配置如下表所示：

  表10 HDFS Sink常用配置

  参数	默认值	描述
  channel	-	与之相连的channel。
  type	hdfs	hdfs sink的类型，必须设置为hdfs。
  hdfs.path	-	HDFS上数据存储路径，必须以“hdfs://hacluster/”开头。
  monTime	0（不开启）	线程监控阈值，更新时间超过阈值后，重新启动该Sink，单位：秒。
  hdfs.inUseSuffix	.tmp	正在写入的hdfs文件后缀。
  hdfs.rollInterval	30	按时间滚动文件，单位：秒，同时需将“hdfs.fileCloseByEndEvent”设置为“false”。
  hdfs.rollSize	1024	按大小滚动文件，单位：bytes，同时需将“hdfs.fileCloseByEndEvent”设置为“false”。
  hdfs.rollCount	10	按Event个数滚动文件，同时需将“hdfs.fileCloseByEndEvent”设置为“false”。 说明： 参数“rollInterval”、“rollSize”和“rollCount”可同时配置，三个参数采取优先原则，哪个参数值先满足，优先按照哪个参数进行压缩。
  hdfs.idleTimeout	0	自动关闭空闲文件超时时间，单位：秒。
  hdfs.batchSize	1000	批次写入HDFS的Event个数。
  hdfs.kerberosPrincipal	-	认证HDFS的Kerberos principal，普通模式集群不配置，安全模式集群必须配置。
  hdfs.kerberosKeytab	-	认证HDFS的Kerberos keytab，普通模式集群不配置，安全模式集群中，用户必须对jaas.cof文件中的keyTab路径有访问权限。
  hdfs.fileCloseByEndEvent	true	收到源文件的最后一个Event时是否关闭hdfs文件。
  hdfs.batchCallTimeout	-	批次写入HDFS超时控制时间，单位：毫秒。 当不配置此参数时，对每个Event写入HDFS进行超时控制。当“hdfs.batchSize”大于0时，配置此参数可以提升写入HDFS性能。 说明： “hdfs.batchCallTimeout”设置多长时间需要考虑“hdfs.batchSize”的大小，“hdfs.batchSize”越大，“hdfs.batchCallTimeout”也要调整更长时间，设置过短时间容易导致写HDFS失败。
  serializer.appendNewline	true	将一个Event写入HDFS后是否追加换行符（'\n'），如果追加该换行符，该换行符所占用的数据量指标不会被HDFS Sink统计。
  hdfs.filePrefix	over_%{basename}	数据写入hdfs后文件名的前缀。
  hdfs.fileSuffix	-	数据写入hdfs后文件名的后缀。
  hdfs.inUsePrefix	-	正在写入的hdfs文件前缀。
  hdfs.fileType	DataStream	hdfs文件格式，包括“SequenceFile”、“DataStream”以及“CompressedStream”。 说明： “SequenceFile”和“DataStream”不压缩输出文件，不能设置参数“codeC”，“CompressedStream”压缩输出文件，必须设置“codeC”参数值配合使用。
  hdfs.codeC	-	文件压缩格式，包括gzip、bzip2、lzo、lzop、snappy。
  hdfs.maxOpenFiles	5000	最大允许打开的hdfs文件数，当打开的文件数达到该值时，最早打开的文件将会被关闭。
  hdfs.writeFormat	Writable	文件写入格式，“Writable”或者“Text”。
  hdfs.callTimeout	10000	写入HDFS超时控制时间，单位：毫秒。
  hdfs.threadsPoolSize	-	每个HDFS sink用于HDFS io操作的线程数。
  hdfs.rollTimerPoolSize	-	每个HDFS sink用于调度定时文件滚动的线程数。
  hdfs.round	false	时间戳是否四舍五入。若设置为true，则会影响所有基于时间的转义序列（％t除外）。
  hdfs.roundUnit	second	时间戳四舍五入单位，可选为“second”、“minute”或“hour”，分别对应为秒、分钟和小时。
  hdfs.useLocalTimeStamp	true	是否启用本地时间戳，建议设置为“true”。
  hdfs.closeTries	0	hdfs sink尝试关闭重命名文件的最大次数。默认为0表示sink会一直尝试重命名，直至重命名成功。
  hdfs.retryInterval	180	尝试关闭hdfs文件的时间间隔，单位：秒。 说明： 每个关闭请求都会有多个RPC往返Namenode，因此设置的太低可能导致Namenode超负荷。如果设置0，如果第一次尝试失败的话，该Sink将不会尝试关闭文件，并且把文件打开，或者用“.tmp”作为扩展名。
  hdfs.failcount	10	数据写入hdfs失败的次数。该参数作为sink写入hdfs失败次数的阈值，当超过该阈值后上报数据传输异常告警。

• Avro Sink

  Avro Sink把events转化为Avro events并发送到配置的主机的监测端口。常用配置如下表所示：

  表11 Avro Sink常用配置

  参数	默认值	描述
  channel	-	与之相连的channel。
  type	-	avro sink的类型，必须设置为avro。
  hostname	-	绑定的主机名/IP。
  port	-	监测端口，该端口需未被占用。
  batch-size	1000	批次发送的Event个数。
  client.type	DEFAULT	客户端实例类型，根据所配置的模型实际使用到的通信协议设置。该值可选值包括： DEFAULT，返回AvroRPC类型的客户端实例。 OTHER，返回NULL。 THRIFT，返回Thrift RPC类型的客户端实例。 DEFAULT_LOADBALANCING， 返回LoadBalancing RPC 客户端实例。 DEFAULT_FAILOVER， 返回Failover RPC 客户端实例。
  ssl	false	是否使用SSL加密。设置为true时还必须指定“密钥(keystore)”和“密钥存储密码(keystore-password)”。
  truststore-type	JKS	Java信任库类型，“JKS”或“PKCS12”。 说明： JKS的密钥库和私钥采用不同的密码进行保护，而PKCS12的密钥库和私钥采用相同密码进行保护。
  truststore	-	Java信任库文件。
  truststore-password	-	Java信任库密码。
  keystore-type	JKS	ssl启用后密钥存储类型。
  keystore	-	ssl启用后密钥存储文件路径，开启ssl后，该参数必填。
  keystore-password	-	ssl启用后密钥存储密码，开启ssl后，该参数必填。
  connect-timeout	20000	第一次连接的超时时间，单位：毫秒。
  request-timeout	20000	第一次请求后一次请求的最大超时时间，单位：毫秒。
  reset-connection-interval	0	一次断开连接后，等待多少时间后进行重新连接，单位：秒。默认为0表示不断尝试。
  compression-type	none	批数据压缩类型，“none”或“deflate”，“none”表示不压缩，“deflate”表示压缩。该值必须与AvroSource的compression-type匹配。
  compression-level	6	批数据压缩级别（1-9），数值越高，压缩率越高。
  exclude-protocols	SSLv3	排除的协议列表，用空格分开。默认排除SSLv3协议。

• HBase Sink

  HBase Sink将数据写入到HBase中。常用配置如下表所示：

  表12 HBase Sink常用配置

  参数	默认值	描述
  channel	-	与之相连的channel。
  type	-	hbase sink的类型，必须设置为hbase。
  table	-	HBase表名称。
  columnFamily	-	HBase列族。
  monTime	0（不开启）	线程监控阈值，更新时间超过阈值后，重新启动该Sink，单位：秒。
  batchSize	1000	批次写入HBase的Event个数。
  kerberosPrincipal	-	认证HBase的Kerberos principal，普通模式集群不配置，安全模式集群必须配置。
  kerberosKeytab	-	认证HBase的Kerberos keytab，普通模式集群不配置，安全模式集群中，flume运行用户必须对jaas.cof文件中的keyTab路径有访问权限。
  coalesceIncrements	true	是否在同一个处理批次中，合并对同一个hbase cell多个操作。设置为true有利于提高性能。

• Kafka Sink

  Kafka Sink将数据写入到Kafka中。常用配置如下表所示：

  表13 Kafka Sink常用配置

  参数	默认值	描述
  channel	-	与之相连的channel。
  type	-	kafka sink的类型，必须设置为org.apache.flume.sink.kafka.KafkaSink。
  kafka.bootstrap.servers	-	Kafka 的bootstrap 地址端口列表。如果集群安装有kafka并且配置已经同步，服务端可以不配置此项，默认值为Kafka集群中所有的broker列表，客户端必须配置该项，多个用逗号分隔。端口和安全协议的匹配规则必须为：21007匹配安全模式（SASL_PLAINTEXT），9092匹配普通模式（PLAINTEXT）。
  monTime	0（不开启）	线程监控阈值，更新时间超过阈值后，重新启动该Sink，单位：秒。
  kafka.producer.acks	1	必须收到多少个replicas的确认信息才认为写入成功。0表示不需要接收确认信息，1表示只等待leader的确认信息。-1表示等待所有的relicas的确认信息。设置为-1，在某些leader失败的场景中可以避免数据丢失。
  kafka.topic	-	数据写入的topic，必须填写。
  flumeBatchSize	1000	批次写入Kafka的Event个数。
  kafka.security.protocol	SASL_PLAINTEXT	Kafka安全协议，普通模式集群下须配置为“PLAINTEXT”。端口和安全协议的匹配规则必须为：21007匹配安全模式（SASL_PLAINTEXT），9092匹配普通模式（PLAINTEXT）。
  ignoreLongMessage	false	是否丢弃超大消息的开关。
  messageMaxLength	1000012	Flume写入Kafka的消息的最大长度。
  defaultPartitionId	-	用于指定channel中的events被传输到哪一个Kafka partition ID ，此值会被partitionIdHeader覆盖。默认情况下，如果此参数不设置，会由Kafka Producer's partitioner 进行events分发(可以通过指定key或者kafka.partitioner.class自定义的partitioner)。
  partitionIdHeader	-	设置时，对应的Sink 将从Event 的Header中获取使用此属性的值命名的字段的值，并将消息发送到主题的指定分区。 如果该值无对应的有效分区，则会抛出EventDeliveryException。 如果Header 值已经存在，则此设置将覆盖参数defaultPartitionId。
  Other Kafka Producer Properties	-	其他Kafka配置，可以接受任意Kafka支持的生产配置，配置需要加前缀 .kafka。

• Thrift Sink

  Thrift Sink把events转化为Thrift events并发送到配置的主机的监测端口。常用配置如下表所示：

  表14 Thrift Sink常用配置

  参数	默认值	描述
  channel	-	与之相连的channel。
  type	thrift	thrift sink的类型，必须设置为thrift。
  hostname	-	绑定的主机名/IP。
  port	-	监测端口，该端口需未被占用。
  batch-size	1000	批次发送的Event个数。
  connect-timeout	20000	第一次连接的超时时间，单位：毫秒。
  request-timeout	20000	第一次请求后一次请求的最大超时时间，单位：毫秒。
  kerberos	false	是否启用Kerberos认证。
  client-keytab	-	客户端使用的keytab文件地址，flume运行用户必须对认证文件具有访问权限。
  client-principal	-	客户端使用的安全用户的Principal。
  server-principal	-	服务端使用的安全用户的Principal。
  compression-type	none	Flume发送数据的压缩类型，“none”或“deflate”，“none”表示不压缩，“deflate”表示压缩。
  maxConnections	5	Flume发送数据时的最大连接池大小。
  ssl	false	是否使用SSL加密。
  truststore-type	JKS	Java信任库类型。
  truststore	-	Java信任库文件。
  truststore-password	-	Java信任库密码。
  reset-connection-interval	0	一次断开连接后，等待多少时间后进行重新连接，单位：秒。默认为0表示不断尝试。