shell脚本分析
#!/bin/bash
log_src_dir=/home/hadoop/testLog/
log_toupload_dir=/home/hadoop/toupload/
echo "log_src_dir : "$log_src_dir
ls $log_src_dir | while read fileName
do
if [[ "$fileName" == access.log.* ]]; then
date=`date +%Y_%m_%d_%H_%M_%S`
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 $log_toupload_dir"xxxx_click_log_$fileName"$date >> $log_toupload_dir"willDoing."$date
fi
done
上面这段脚本的作用是:
是将testLog目录下的以access.log.*的日志全部复制到toupload目录下面
testLog下的日志文件:
其中access.log是正在打印的日志,而access.log.1, access.log.2,…是已经打印完成的日志
我们需要的是将已经打印完成的日志重新放到一个新的toupload目录
这个toupload目录必须事先先自己建.
我们上传到新的toupload文件目录是将这个之前的文件名字全部都修改了名字,因为我们必须保证名字上传到hdfs文件系统上是唯一的,所以文件的后面都是以当前日期作为结尾
上面的过程就是将日志里面已经打印好的文件重新放到一个toupload目录里面等待上传.
现在我们需要在这个toupload目录里面新建一个文件,这个需要用来存放需要上传到hdfs文件系统上定的文件的路径,为什么需要这个文件来保存上传文件的路径呢?
原因就是日志的生成是实时的,所以我们需要进行标识,已经上传完成的我们需要记录,正在上传的我们也需要进行标识
我们在从testLog里面进行转移文件的时候,就需要将转移了的文件的路径写在willDoing.
date文件获取上传文件的路径
然后我们上传的时候需要把这个文件改成 以_COPY_结尾,表示正在上传,然后我们遍历这个文件里面的数据(存放的是path)
然后将path读取出来,一个一个进行上传
上传完成之后,我们需要再次修改文件的名字,名字变成以 "DONE"结尾,表示这个文件里面存放的路径对应的文件都已经上传到hdfs文件系统了
上面的为了理解这个脚本,我并没有使用实时生成日志的jar包,而只是固定的文件.
完整的shell脚本:
#!/bin/bash
#set java env
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_51
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
#set hadoop env
export HADOOP_HOME=/home/hadoop/app/hadoop-2.6.4
export PATH=${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=/home/hadoop/logs/log/
#待上传文件存放的目录
log_toupload_dir=/home/hadoop/logs/toupload/
#日志文件上传到hdfs的根路径
hdfs_root_dir=/data/clickLog/20151226/
#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