Flume-实时监控单目录下的多个新文件案例，实时监控多目录下的多个追加文件案例

╰+哭是因爲堅強的太久メ 2022-11-25 13:09 178阅读 0赞

### 文章目录 ###

*   *  实时监控目录下多个新文件
     *  实时监控多目录下的多个追加文件

## 实时监控目录下多个新文件 ##

**1）案例需求：**  
使用flume监控某个目录下的日志文件，当某个目录下出现符合要求的文件名称的文件时，则对文件中的日志数据进行读取，并将数据最终写入到hdfs上

**2）需求分析：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70]  
**3）实现步骤：**

（1）创建配置文件files-flume-hdfs.conf

创建一个文件

[qinjl@hadoop102 job]$ vim files-flume-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/upload
    # 每次读完，都会给读完的文件增加.COMPLETED后缀，从而忽略这些文件
    a3.sources.r3.fileSuffix = .COMPLETED
    #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 = /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，默认的数据流的格式为SequenceFile
    a3.sinks.k3.hdfs.fileType = DataStream
    #多久生成一个新的文件
    a3.sinks.k3.hdfs.rollInterval = 60
    #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
    
    # 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

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 1]  
（2）启动监控文件夹命令

[qinjl@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/files-flume-hdfs.conf

*  说明：在使用Spooling Directory Source时，不要在监控目录中创建并持续修改文件；上传完成的文件会以`.COMPLETED`结尾；被监控文件夹每500毫秒扫描一次文件变动。

（3）向upload文件夹中添加文件

在/opt/module/flume目录下创建upload文件夹

[qinjl@hadoop102 flume]$ mkdir upload

向upload文件夹中添加文件

[qinjl@hadoop102 upload]$ touch qinjl.txt
    [qinjl@hadoop102 upload]$ touch qinjl.tmp
    [qinjl@hadoop102 upload]$ touch qinjl.log

（4）查看HDFS上的数据  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 2]  
（5）等待1s，再次查询upload文件夹

[qinjl@hadoop102 upload]$ ll
    总用量 0
    -rw-rw-r--. 1 qinjl qinjl 0 5月  20 22:31 qinjl.log.COMPLETED
    -rw-rw-r--. 1 qinjl qinjl 0 5月  20 22:31 qinjl.tmp
    -rw-rw-r--. 1 qinjl qinjl 0 5月  20 22:31 qinjl.txt.COMPLETED

## 实时监控多目录下的多个追加文件 ##

Exec source 适用于监控一个实时追加的文件，不能实现断点续传；Spooldir Source 适合用于同步新文件，但不适合对实时追加日志的文件进行监听并同步；而Taildir Source适合用于监听多个实时追加的文件，并且能够实现断点续传。

**1）案例需求：**  
使用Flume监听整个目录的实时追加文件，并上传至HDFS

**2）需求分析：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 3]

**3）3）实现步骤：**

（1）创建配置文件taildir-flume-hdfs.conf

创建一个文件

[qinjl@hadoop102 job]$ vim taildir-flume-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 = TAILDIR
    a3.sources.r3.positionFile = /opt/module/flume/tail_dir.json
    a3.sources.r3.filegroups = f1 f2
    a3.sources.r3.filegroups.f1 = /opt/module/file1/file1.txt
    a3.sources.r3.filegroups.f2 = /opt/module/file2/file2.txt
    
    # Describe the sink
    a3.sinks.k3.type = hdfs
    a3.sinks.k3.hdfs.path =/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 = 60
    #设置每个文件的滚动大小大概是128M
    a3.sinks.k3.hdfs.rollSize = 134217000
    #文件的滚动与Event数量无关
    a3.sinks.k3.hdfs.rollCount = 0
    
    # 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

（2）启动监控文件夹命令

[qinjl@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a3 --conf-file job/taildir-flume-hdfs.conf

（3）向files文件夹中追加内容

在/opt/module/flume目录下创建file1和file2文件夹

[qinjl@hadoop102 flume]$ mkdir file1
    [qinjl@hadoop102 flume]$ mkdir file2

向file1和file2文件夹中添加文件

[qinjl@hadoop102 file1]$ echo hello >> file1.txt
    [qinjl@hadoop102 file2]$ echo world >> file2.txt

（4）查看HDFS上的数据  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 4]  
**Taildir说明：**

Taildir Source维护了一个json格式的position File，其会定期的往position File中更新每个文件读取到的最新的位置（pos为偏移量），偏移量是在提交事务之后记录的，（即事务提交之后，才会记录偏移量，若事务回滚，则不记录），因此能够实现断点续传。Position File的格式如下：

{
        "inode":2496272,"pos":12,"file":"/opt/module/flume/file1/file1.txt"}
    {
        "inode":2496275,"pos":12,"file":"/opt/module/flume/file2/file2.txt"}

*  注：Linux中储存文件元数据的区域就叫做inode，每个inode都有一个号码，操作系统用inode号码来识别不同的文件，Unix/Linux系统内部不使用文件名，而使用inode号码来识别文件。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70]: /images/20221124/5eb010cb0a8a47e7963724f0ebfe9931.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 1]: /images/20221124/9579cad0c4f54a0389b917ffb4e4e89e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 2]: /images/20221124/d5774c8fe9fc41ec9b0f291b8c0d9354.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 3]: /images/20221124/8f3904add8f54fd6a05ba421248b36f5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMyNzI3MDk1_size_16_color_FFFFFF_t_70 4]: /images/20221124/18fedb423dac420ba0175e302330a946.png