案例—通过Shell脚本定时采集数据到HDFS

掌握HDFS的Shell操作，能够完成案例-通过Shell脚本定时采集数据到HDFS

在实际的开发环境中，服务器每天都会产生大量的日志文件，这些日志文件会记录服务器的运行状态。当服务器宕机时，可以从日志文件中查找服务器宕机原因，从而尽快让服务器恢复正常运行。通过一个案例演示如何通过Shell脚本周期性的将Hadoop的日志文件上传到HDFS。

1.创建Shell脚本

在虚拟机Hadoop1的/export/data目录下执行vi uploadHDFS.sh命令，在该文件中实现上传Hadoop日志文件到HDFS的代码。

export HADOOP_HOME=/export/servers/hadoop-3.3.0	#export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbinhadoop_log_dir=/export/servers/hadoop-3.3.0/logs/log_toupload_dir=/export/data/logs/toupload/date=`date +%Y_%m_%d_%H_%M`  ‘ ’ “ ”hdfs_dir=/hadoop_log/$date/if [ -d $log_toupload_dir ];
thenecho "$log_toupload_dir exits"
elsemkdir -p $log_toupload_dir
fi
ls $hadoop_log_dir | while read fileName
do
if [[ $fileName == *.log ]];
thenecho "moving hadoop log to $log_toupload_dir"cp $hadoop_log_dir/*.log $log_toupload_dirscp root@hadoop2:$hadoop_log_dir/*.log $log_toupload_dirscp root@hadoop3:$hadoop_log_dir/*.log $log_toupload_direcho "moving hadoop log willDoing"break
fi
doneecho "create $hdfs_dir"
hdfs dfs -mkdir -p $hdfs_dir
ls $log_toupload_dir | while read fileName
doecho "upload hadoop log $fileName to $hdfs_dir"hdfs dfs -put $log_toupload_dir$fileName $hdfs_direcho "upload hadoop log $fileName willDoing"
done
echo "delete $log_toupload_dir log"
rm -fr $log_toupload_dir

2.执行Shell脚本

进入到虚拟机Hadoop1的/export/data/目录下，确保Hadoop集群处于启动状态下，执行sh uploadHDFS.sh命令运行Shell脚本文件uploadHDFS.sh。

3.验证Hadoop日志文件是否上传成功

在本地计算机的浏览器中打开HDFS的Web UI，查看HDFS的/hadoop_log/2022_10_17_17_08/目录中是否存在Hadoop日志文件。

4.定时执行Shell脚本

1）检查是否安装Crontab

在虚拟机Hadoop1执行rpm -qa | grep crontab命令检查是否安装Crontab。

若没有显示Crontab的版本信息，可以先安装Crontab。
yum -y install vixie-cron

yum -y install crontabs

2）启动Crontab服务

使用Crontab时，必须保证Crontab服务处于运行状态。启动Crontab服务的命令如下。

service crond start

3）添加可执行权限

进入虚拟机Hadoop1的/export/data/目录，为Shell脚本文件uploadHDFS.sh添加可执行权限。

chmod 777 uploadHDFS.sh

4）配置定时任务

在虚拟机Hadoop1执行crontab -e命令编辑Crontab文件，配置定时任务，在Crontab文件添加如下内容。

*/10 * * * * /export/data/uploadHDFS.sh

5.Crontab表达式

*/10 * * * * /export/data/uploadHDFS.sh

字符	含义	示例
*	表示匹配域的任意值	在分这个域使用 *，即表示每分钟都会触发事件。
？	表示匹配域的任意值，但只能用在日期和星期两个域，因为这两个域会相互影响。	要在每月的 20 号触发调度，不管每个月的 20 号是星期几，则只能使用如下写法：13 13 15 20 * ?。其中，因为日期域已经指定了 20 号，最后一位星期域只能用 ?，不能使用 *。如果最后一位使用 *，则表示不管星期几都会触发，与日期域的 20 号相斥，此时表达式不正确。
-	表示起止范围	在分这个域使用 5-20，表示从 5 分到 20 分钟每分钟触发一次。
/	表示起始时间开始触发，然后每隔固定时间触发一次	在分这个域使用 5/20，表示在第 5 分钟触发一次，之后每 20 分钟触发一次，即 5、 25、45 等分别触发一次。
,	表示列出枚举值	在分这个域使用 5,20，则意味着在 5 和 20 分每分钟触发一次。
L	表示最后，只能出现在日和星期两个域	在星期这个域使用 5L，意味着在最后的一个星期四触发。
W	表示有效工作日（周一到周五），只能出现在日这个域，系统将在离指定日期最近的有效工作日触发事件。	在日这个域使用 5W，如果 5 号是星期六，则将在最近的工作日星期五，即 4 号触发。如果 5 号是星期天，则在 6 号（周一）触发；如果 5 号为工作日，则就在 5 号触发。另外，W 的最近寻找不会跨过月份。
LW	这两个字符可以连用，表示在某个月最后一个工作日，即最后一个星期五。
#	表示每个月第几个星期几，只能出现在星期这个域	在星期这个域使用 4#2，表示某月的第二个星期三，4 表示星期三，2 表示第二个。