shell脚本定时采集日志数据到hdfs

参考：https://blog.csdn.net/gcxzflgl/article/details/80725567

 

java程序模拟产生日志的过程

package com.dtds.study.log4j;

import java.util.Date;

import org.apache.log4j.LogManager;
import org.apache.log4j.Logger;

public class CreateLog {

    public static void main(String[] args) throws Exception{
        Logger logger = LogManager.getLogger("testlog");
        int i = 0;
        while(true){
            logger.info(new Date().toString() + "-----------------------------");
            i++;
            Thread.sleep(500);
            if(i>1000000){
                break;
            }
        }
    }
}

该程序模拟产生日志，程序正常运行需要配置log4j.properties文件，在src/下新建log4j.properties，内容如下：

log4j.rootLogger=INFO,testlog
 
log4j.appender.testlog = org.apache.log4j.RollingFileAppender 
log4j.appender.testlog.layout = org.apache.log4j.PatternLayout 
log4j.appender.testlog.layout.ConversionPattern = [%-5p][%-22d{yyyy/MM/dd HH:mm:ssS}][%l]%n%m%n 
log4j.appender.testlog.Threshold = INFO 
log4j.appender.testlog.ImmediateFlush = TRUE 
log4j.appender.testlog.Append = TRUE 
log4j.appender.testlog.File = /root/testLogSrcData/access.log 
log4j.appender.testlog.MaxFileSize = 10KB 
log4j.appender.testlog.MaxBackupIndex = 20 

 

写一个shell脚本，我们把它命名为：upLoadFileToHdfs.sh，脚本定时将产生的日志放到hdfs上面，内容如下：

#!/bin/bash
 
#set java env
export JAVA_HOME=/gcx/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=/gcx/hadoop-2.6.4
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH
 
 
#版本1的问题：
#虽然上传到Hadoop集群上了，但是原始文件还在。如何处理？
#日志文件的名称都是xxxx.log1,再次上传文件时，因为hdfs上已经存在了，会报错。如何处理？
 
#如何解决版本1的问题
#       1、先将需要上传的文件移动到待上传目录
#    2、在讲文件移动到待上传目录时，将文件按照一定的格式重名名
#        /export/software/hadoop.log1   /export/data/click_log/xxxxx_click_log_{date}
 
 
#日志文件存放的目录
log_src_dir=/root/hadoop/logs/log/
 
#待上传文件存放的目录
log_toupload_dir=/root/hadoop/logs/toupload/
 
 
#日志文件上传到hdfs的根路径
hdfs_root_dir=/root/hadoopData/logs/
 
#打印环境变量信息
echo "envs: hadoop_home: $HADOOP_HOME"
 
 
#读取日志文件的目录，判断是否有需要上传的文件
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`
        #将文件移动到待上传目录并重命名
        #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
        #将待上传的文件path写入一个列表文件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
    #将待上传文件列表willDoing改名为willDoing_COPY_
    mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"
    #读列表文件willDoing_COPY_的内容（一个一个的待上传文件名）  ,此处的line 就是列表中的一个待上传文件的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

如果想周期性运行该脚本，可以配置crontab服务，执行crontab -e,加入一行：

*/1 * * * * sh /root/uploadFileToHdfs.sh //该语句表示每1分钟执行一次脚本，更多规则详询百度