需求分析:
touch access.log access.log.1 access.log.2
建立一個帶上傳文件夾
mkdir -p /export/data/logs/toupload
創建Shell腳本
#!/bin/bash
#set java env
export JAVA_HOME=/export/servers/jdk
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
#set hadoop env
export HADOOP_HOME=/export/servers/hadoop-2.7.4
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH
#版本1的問題:
#雖然上傳到Hadoop集羣上了,但是原始文件還在。如何處理?
#日誌文件的名稱都是xxxx.log1,再次上傳文件時,因爲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、在將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}
#日誌文件存放的目錄
log_src_dir=/export/data/logs/log/
#待上傳文件存放的目錄
log_toupload_dir=/export/data/logs/toupload/
#設置日期
date1=`date +%Y-%m-%d`
#日誌文件上傳到hdfs的根路徑
hdfs_root_dir=/data/clickLog/$date1/
#打印環境變量信息
echo "envs: hadoop_home: $HADOOP_HOME"
#讀取日誌文件的目錄,判斷是否有需要上傳的文件
echo "log_src_dir:"$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
echo $log_toupload_dir"xxxxx_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date
fi
done
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
mv $log_toupload_dir$line $log_toupload_dir$line"_COPY_"
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 -mkdir -p $hdfs_root_dir
hadoop fs -put $line $hdfs_root_dir
done
mv $log_toupload_dir$line"_COPY_" $log_toupload_dir$line"_DONE_"
done
這樣在開啓集羣的情況下運行腳本便可以把文件夾中的日誌文件過濾上傳
實驗現象:
上傳成功,符合條件的文件消失