Flume 案例实操 - 实时读取目录文件到HDFS

墨蓝 2022-01-30 11:37 268阅读 0赞

使用flume监听整个目录的文件

## 需求分析 ##

1.  创建符合条件的flume配置文件
2.  执行配置文件，开启监控
3.  向目录中添加文件，被监控的目录`/opt/module/flume/upload`
4.  查看HDFS上数据
5.  查看`/opt/module/flume/upload`目录中上传的文件是否已经标记为`.COMPLETED`结尾；`.tmp`后缀结尾文件没有上传。

## 实现步骤 ##

### 创建配置文件 ###

创建配置文件flume-dir-hdfs.conf

cd job
    vim flume-dir-hdfs.conf

添加如下内容

a3.sources = r3
    a3.sinks = k3
    a3.channels = c3
    
    # Describe/configure the source
    a3.sources.r3.type = spooldir
    a3.sources.r3.spoolDir = /opt/module/flume-1.7.0/upload
    a3.sources.r3.fileSuffix = .COMPLETED
    a3.sources.r3.fileHeader = true
    #忽略所有以.tmp结尾的文件，不上传
    a3.sources.r3.ignorePattern = ([^ ]*\.tmp)
    
    # Describe the sink
    a3.sinks.k3.type = hdfs
    a3.sinks.k3.hdfs.path = hdfs://hadoop102:9000/flume/upload/%Y%m%d/%H
    #上传文件的前缀
    a3.sinks.k3.hdfs.filePrefix = upload-
    #是否按照时间滚动文件夹
    a3.sinks.k3.hdfs.round = true
    #多少时间单位创建一个新的文件夹
    a3.sinks.k3.hdfs.roundValue = 1
    #重新定义时间单位
    a3.sinks.k3.hdfs.roundUnit = hour
    #是否使用本地时间戳
    a3.sinks.k3.hdfs.useLocalTimeStamp = true
    #积攒多少个Event才flush到HDFS一次
    a3.sinks.k3.hdfs.batchSize = 100
    #设置文件类型，可支持压缩
    a3.sinks.k3.hdfs.fileType = DataStream
    #多久生成一个新的文件
    a3.sinks.k3.hdfs.rollInterval = 600
    #设置每个文件的滚动大小大概是128M
    a3.sinks.k3.hdfs.rollSize = 134217700
    #文件的滚动与Event数量无关
    a3.sinks.k3.hdfs.rollCount = 0
    #最小冗余数
    a3.sinks.k3.hdfs.minBlockReplicas = 1
    
    # Use a channel which buffers events in memory
    a3.channels.c3.type = memory
    a3.channels.c3.capacity = 1000
    a3.channels.c3.transactionCapacity = 100
    
    # Bind the source and sink to the channel
    a3.sources.r3.channels = c3
    a3.sinks.k3.channel = c3

### 启动监控文件夹命令 ###

bin/flume-ng agent --conf conf/ --name a3 --conf-file job/flume-dir-hdfs.conf

说明：  
在使用spooldir(Spooling Directory Source)时

1.  不要在监控目录中创建并持续修改文件
2.  上传完成的文件会以.COMPLETED结尾
3.  被监控文件夹每600毫秒扫描一次文件变动

### 向upload文件夹中添加文件 ###

touch file1.txt
    touch file2.tmp
    touch flie3.log

## 结果 ##

![\-w501][-w501]

![\-w1207][-w1207]

[-w501]: /images/20220130/8cdabcbdd72744e1a6b629c35f71182e.png
[-w1207]: /images/20220130/2bf3e4a502c24c4e8076b7d4b8200656.png