Skip to content

Latest commit

 

History

History
123 lines (82 loc) · 3.49 KB

hdfswriter.md

File metadata and controls

123 lines (82 loc) · 3.49 KB
Raw

HDFS写入插件（hdfswriter）

1. 配置样例

{
    "job": {
        "setting": {},
        "content": [{
            "reader": {},
            "writer": {
                "name": "hdfswriter",
                "parameter": {
                    "hadoopConfig": {
                        "dfs.nameservices": "ns1",
                        "dfs.ha.namenodes.ns1": "nn1,nn2",
                        "dfs.namenode.rpc-address.ns1.nn1": "node02:9000",
                        "dfs.namenode.rpc-address.ns1.nn2": "node03:9000",
                        "dfs.client.failover.proxy.provider.ns1": "org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider"
                    },
                    "defaultFS": "hdfs://ns1",
                    "fileType": "text",
                    "fileName": "hello",
                    "column": [{
                        "name": "col1",
                        "index": 0,
                        "type": "STRING"
                    }],
                    "rowGroupSize": 134217728,
                    "compress": "SNAPPY",
                    "path": "/test",
                    "writeMode": "append",
                    "fieldDelimiter": "\\001"
                }
            }
        }]
    }
}

2. 参数说明

  • defaultFS

    • 描述：Hadoop hdfs文件系统namenode节点地址。格式：hdfs://ip:端口；例如：hdfs://127.0.0.1:9000

    • 必选：是

    • 默认值：无

  • fileType

    • 描述：文件的类型，目前只支持用户配置为"text"、"orc"、“parquet”

      • text：textfile文件格式

      • orc：orcfile文件格式

      • parquet：parquet文件格式

    • 必选：是

    • 默认值：无

  • path

    • 描述：存储到Hadoop hdfs文件系统的路径信息，HdfsWriter会根据并发配置在Path目录下写入多个文件。

    • 必选：是

    • 默认值：无

  • rowGroupSize

    • 描述：写入parquet格式文件时指定，表示一个group的大小，如果字段数量很多，并且任务可使用内存有限，使用默认值可能会导致内存溢出，可以通过降低此参数的值来避免内存溢出，如果值很小，则会生产很多小的group，此时通过hive或者spark处理的话会降低效率，因此这个参数的调整要结合具体使用场景。

    • 必选：否

    • 默认值：134217728

  • column

    • 描述：写入数据的字段。

      • name：指定字段名

      • type：指定字段类型。

    • 必选：是

    • 默认值：无

  • writeMode

    • 描述：hdfswriter写入前数据清理处理模式：

      • append，追加

      • overwrite，覆盖

    • 注意：overwrite模式时会删除写入路径下的所有文件
    • 必选：否
    • 默认值：overwrite

  • fieldDelimiter

    • 描述：hdfswriter写入时的字段分隔符,需要用户保证与创建的Hive表的字段分隔符一致，否则无法在Hive表中查到数据

    • 必选：是

    • 默认值：\001

  • compress

    • 描述：hdfs文件压缩类型，默认不填写意味着没有压缩。其中：text类型文件支持压缩类型有gzip、bzip2;orc类型文件支持的压缩类型有NONE、SNAPPY（需要用户安装SnappyCodec）。

    • 必选：否

    • 默认值：无压缩

  • encoding

    • 描述：写文件的编码配置。
    • 必选：否
    • 默认值：utf-8